技术编号：6627855
提示：您尚未登录，请点 登 陆 后下载，如果您还没有账户请点 注 册 ，登陆完成后，请刷新本页查看技术详细信息。本发明公开了，所述方法包括以下步骤提取PDF文件中原始信息；识别页眉、页脚，并对相邻文本内容进行合并，得到行内容；对文本行内容进行块合并，得到文本块内容；对相邻图片进行合并，得到图片块内容；对路径信息进行分析，得到水平方向的分割线；将文本快内容和图片块内容进行X方向投影，得到水平分隔块内容；以文本块内容、图片块内容、水平分隔线、表格及水平分隔块内容物理信为元素，进行拓扑排序，得到PDF文件的阅读顺序；通过阅读顺序基础对文本块内容进行分段识别；输出XML格式...
注意：该技术已申请专利，请尊重研发人员的辛勤研发付出，在未取得专利权人授权前，仅供技术研究参考不得用于商业用途。
该专利适合技术人员进行技术研发参考以及查看自身技术是否侵权，增加技术思路，做技术知识储备，不适合论文引用。
请注意，此类技术没有源代码，用于学习研究技术思路。