一种提取PDF文件结构化信息的方法及装置

实质审查的生效

摘要

本发明公开了一种提取PDF文件结构化信息的方法及装置，主要解决现有技术中存在的现有方法存在的的消耗大量的人力、时间资源，且不能批量化处理，也没有对结构化信息进一步的处理。该一种提取PDF文件结构化信息的方法提取PDF文档的文本内容后，对其进行分割得到字符串组，然后遍历字符串组，添加前缀形成判别索引，再然后根据判别索引提取其结构化信息，实现结构化信息的自动提取，最后将结构化信息转化格式写入数据库。通过上述方案，本发明达到了节省人力物力，能批量处理PDF文件及形成了一套从PDF文档从非结构化数据到结构化数据的完整转化方法的目的。

基本信息

专利标题：

一种提取PDF文件结构化信息的方法及装置

专利标题（英）：

暂无

公开（公告）号：

CN114510547A

申请号：

CN202111113749.3

公开（公告）日：

2022-05-17

申请日：

2021-09-23

授权号：

暂无

授权日：

暂无

发明人：

韩威宏刘俊良王怡君周刚

申请人：

成都四方伟业软件股份有限公司

申请人地址：

四川省成都市高新区科园三路4号1栋2层

代理机构：

代理人：

优先权：

CN202111113749.3

主分类号：

G06F16/31

IPC分类号：

G06F16/31 G06F16/33 G06F40/166 G06F40/258

IPC结构图谱

G部——物理

G06

计算；推算或计数

G06F

电数字数据处理

G06F16/31

••索引；其数据结构；存储结构

法律状态

2022-06-03 ：

实质审查的生效

IPC(主分类) : G06F 16/31
申请日 : 20210923

2022-05-17 ：

公开

注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。

文件下载

暂无PDF文件可下载