PDF文字提取方法和装置
基本信息
| 申请号 | CN201711106231.0 | 申请日 | - |
| 公开（公告）号 | CN108038093B | 公开（公告）日 | 2021-06-15 |
| 申请公布号 | CN108038093B | 申请公布日 | 2021-06-15 |
| 分类号 | G06F40/126（2020.01）I;G06K9/00（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 晏检平 | 申请（专利权）人 | 深圳市亿图软件有限公司 |
| 代理机构 | 北京超凡宏宇专利代理事务所（特殊普通合伙） | 代理人 | 程晓 |
| 地址 | 518000 广东省深圳市南山区粤海街道高新区社区科技南路16号深圳湾科技生态园11栋A1204 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明适用于文字识别技术领域，提供了一种PDF文字提取方法和装置，所述方法包括：获取PDF页面中的各个文本对象的第一编码、字形位图、内嵌信息和字体信息；根据所述文本对象的字体信息判断所述文本对象的字体类型得到第一判断结果，根据所述文本对象的内嵌信息判断所述文本对象是否内嵌在所述PDF页面中得到第二判断结果；根据所述第一判断结果和所述第二判断结果对所述文本对象进行提取。本发明实现了提高PDF文字提取的正确率，并且不需要将所有PDF文字进行OCR识别，节约了PDF文字提取的时间。 |
