1.一种版式文档正文碎片化的方法，其特征在于，所述方法包括：版面预处理；识别正文基本元素；提取正文阅读顺序；正文层次分析；正文后处理；输出正文碎片化结果。
2.如权利要求1所述的版式文档正文碎片化的方法，其特征在于，版面预处理中采用了统计行集合和垂直投影相结合的方法分栏，提出了栏支架的概念和检测方法。
上述栏支架是指一组相邻行构成的行集合，是栏稳定可靠的支撑，可有效地限制表格和逻辑图的生长区域，提高表格和逻辑图识别的正确率。检测栏支架使用了如下限制条件：行两端是否对齐、行间隔是否为主体行间隔、行字体是否为主体字体、行宽与栏宽比值是否>＝90％、满足上述条件行数是否>＝3。
3.如权利要求1所述的版式文档正文碎片化的方法，其特征在于，在正文层次分析中同时使用了字数限制、关键词、字体特征、顺序特征、包含特征和跨度特征。
上述字数限制是指，提取疑似正文标题时，要求待检测段落行数<＝3且字数<50。
上述关键词是指，出现在段首的形如“一、”“(一)”“1”“1.1”“1.2.1”等一类关键词。
上述字体特征是指，判断疑似正文标题是否为同一级标题时，采用了同一级标题字体相似的限制条件。
上述顺序特征是指，标题关键词应按正文阅读顺序从小到大排列。
上述包含特征是指，判断正文标题层级关系时，所有同级标题囊括的正文范围内包含其他级别标题的个数越多，其为高级标题的可能性越大；同理，所有同级标题囊括的正文范围内包含其他级别标题的个数越少，其为低级标题的可能性越大。
上述跨度特征是指，所有疑似标题囊括的正文范围占正文全长的比值。若比值>50％，说明该疑似标题集合跨越了正文大部分内容，满足跨度特征。
4.如权利要求1所述的版式文档正文碎片化的方法，其特征在于，正文后处理包括跨栏、跨页的段落衔接和段落字符规范化。
上述跨栏、跨页的段落衔接是指，自动衔接分布在多栏或多页的同属于一段的内容。
上述段落字符规范化包括：角标字符检测、规范全/半角字符和英文行的连接处理。