一种基于OCR预判断的PDF文件转换方法
基本信息
| 申请号 | CN201811206109.5 | 申请日 | - |
| 公开（公告）号 | CN109492199A | 公开（公告）日 | 2019-03-19 |
| 申请公布号 | CN109492199A | 申请公布日 | 2019-03-19 |
| 分类号 | G06F17/22（2006.01）I; G06K9/20（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 马万炯 | 申请（专利权）人 | 四川译讯信息科技有限公司 |
| 代理机构 | 成都睿道专利代理事务所（普通合伙） | 代理人 | 四川译讯信息科技有限公司 |
| 地址 | 610041 四川省成都市高新区蜀锦路88号31层07号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于OCR预判断的PDF文件转换方法，包括以下步骤：解析PDF文件，判断该PDF文件中各页面是否需要进行ocr；针对需要进行ocr的页面进行ocr，得到文本信息；针对不需要进行ocr的页面直接从该PDF页面中文本对象的文字编码信息提取文本信息；通过PDF解析算法和Office文件重构算法将该PDF文件转换为对应的可编辑文档。本发明通过对PDF文件的预解析，提高了PDF文字提取的正确率，在减少不必要的ocr识别的同时保证了文字提取的准确度并提高了PDF文件的转换效率，适用性强，转换效果好。 |
