申请/专利权人：浙江华东工程数字技术有限公司;中国电建集团华东勘测设计研究院有限公司

申请日：2023-12-29

公开（公告）日：2024-06-21

公开（公告）号：CN117493712B

主分类号：G06F16/954

分类号：G06F16/954;G06F16/953;G06F40/151;G06F40/258

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.02.23#实质审查的生效;2024.02.02#公开

摘要：为实现可导航的PDF文档的目录提取，保证目录的准确性，并提供快速跳转功能，本发明提出一种PDF文档可导航目录提取方法、装置、电子设备及存储介质，所述可导航目录提取方法采用如下步骤：查找PDF文档的目录页面；对目录所在页面进行目录标题和目录页码提取；将PDF文档的每页转换成图片，按照页面顺序对所有图片排序，提取图片序号作为该页面的导航页码；对所有页面图片的页码进行识别；基于页码差对图片页码进行的二次校验和修正；将目录项与导航页码进行匹配与关联，获得所有目录标题、目录页码、导航页码；输出可导航的PDF文档目录。采用本发明技术方案可提升PDF文档目录识别准确率，帮助用户快速定位PDF文档目录内容。

主权项：1.一种PDF文档可导航目录提取方法，其特征在于包括如下步骤：S101、查找PDF文档的目录页面；所述查找PDF文档目录页面包括如下方法之任一种：1）如果PDF文档是文字版：对PDF文档的每一页或者从头开始逐页进行，提取该页所有文本，然后查找文字版PDF文档目录所在页面；2）如果PDF文档是扫描版：使用目录识别模型，对PDF文档的每页或者从头开始逐页进行识别，判定是否为目录页面，查找出PDF文档的所有目录页面；S102、对目录所在页面所有目录项的目录标题和目录页码进行提取；S103、将PDF文档的每页转换成图片，按照页面顺序对所有图片排序，提取图片序号作为该页面的导航页码；S104、对所有页面图片的页码进行识别，获得图片页码；S105、基于导航页码和图片页码相减得到的页码差，将得到的所有图片的页码差进行统计，按照频率由高到低排序，最后，取出现频率最高的页码差作为PDF文档的页码差；对图片页码进行二次校验，并使用PDF文档页码差修正识别错误的图片页码，补全图片页码；S106、查找与目录项中的目录页码相同的图片页码，将所述图片页码对应的导航页码与所述目录项相匹配，获得目录项对应的导航页码，所述目录项包括目录标题、目录页码；S107、输出目录标题、目录页码、导航页码组成的可导航的PDF文档目录，通过检索导航页码，将目录与页面链接，实现跳转。

全文数据：

权利要求：

百度查询： 浙江华东工程数字技术有限公司;中国电建集团华东勘测设计研究院有限公司 PDF文档可导航目录提取方法、装置、电子设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD