一种用于PDF文档页面元素有效信息的提取方法及系统
公开
摘要
本发明公开了一种用于PDF文档页面元素有效信息的提取方法及系统，包括以下：构建初始PDF文档信息提取模型，并存储至第一存储区域；获取文档解析规则集；根据初始PDF文档信息提取模型和文档解析规则集，生成PDF文档信息提取规则模型，并存储至第二存储区域；根据初始PDF文档信息提取模型和PDF文档信息提取规则模型，构建用于提取PDF文档有效信息的PDF文档信息提取模型；通过设定第一间隔时间，根据初始PDF文档信息提取模型和文档解析规则集，更新PDF文档信息提取模型模型；本发明根据页面顶部和底部文本信息，从前后页面分别获取文本以补全本页面缺失的文本信息，以页面为单位对文本信息进行汇总，信息更为精细化。
基本信息
专利标题 ：
一种用于PDF文档页面元素有效信息的提取方法及系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114611466A
申请号 ：
CN202210259864.X
公开（公告）日 ：
2022-06-10
申请日 ：
2022-03-16
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
萧展辉宋云奎余芸王尧沈宇红甘杉甘莹
申请人 ：
南方电网数字电网研究院有限公司
申请人地址 ：
广东省广州市黄埔区中新广州知识城亿创街1号406房之86
代理机构 ：
北京中睿智恒知识产权代理事务所(普通合伙)
代理人 ：
邓大为
优先权 ：
CN202210259864.X
主分类号 ：
G06F40/151
IPC分类号 ：
G06F40/151 G06F40/205 G06F40/279 G06F40/211 G06F40/216
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F40/151
转换
法律状态
2022-06-10 ：
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
