一种精准切割PDF的方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种精准切割PDF的方法、装置、设备及存储介质。获取原始PDF文件，并对原始PDF文件建立坐标系；获取目标信息，基于锚点算法在坐标系中将目标信息与原始PDF文件进行匹配生成匹配信息，其中，匹配信息包括坐标域及区域信息；根据匹配信息对原始PDF文件进行切割生成切割目标，其中，切割目标包括区域信息；根据切割目标生成目标PDF文件。通过锚点算法在原始PDF文件的坐标系中匹配的方式，实现了对目标信息的准确定位，通过匹配信息对原始PDF文件进行切割生成切割目标，再根据切割目标生成目标PDF文件的方式，可以使用户更直观的掌握目标信息，同时减小了用户的工作量，提高了用户的工作效率。高了用户的工作效率。高了用户的工作效率。

【技术实现步骤摘要】
一种精准切割PDF的方法、装置、设备及存储介质


[0001]本专利技术涉及文件切割
，尤其涉及一种精准切割PDF的方法、装置、设备及存储介质。

技术介绍

[0002]目前，当PDF文件中有需要进行核查的信息时，需要人工在PDF进行遍历查找，如果PDF页数较多，信息分散，从直观上搜索也并不能很好的定位，进而导致人工操作起来耗时耗力。
[0003]现有技术中通常是先将PDF文件每页转化为图片，再借助于OCR去识别定位实现，若有多条数据信息还需要继续核对其他信息，还需要人工区分校验的过程。
[0004]现有技术通过OCR去识别定位的方式错误率高，而且通过人工区分校验的过程，导致用户工作量大、工作效率低。

技术实现思路

[0005]本专利技术提供了一种精准切割PDF的方法、装置、设备及存储介质，以实现在PDF中对目标信息的精准切割。
[0006]根据本专利技术的一方面，提供了一种精准切割PDF的方法，包括：
[0007]获取原始PDF文件，并对原始PDF文件建立坐标系；
[0008]获取目标信息，基于锚点算法在坐标系中将目标信息与原始PDF文件进行匹配生成匹配信息，其中，匹配信息包括坐标域及区域信息；
[0009]根据匹配信息对原始PDF文件进行切割生成切割目标，其中，切割目标包括区域信息；
[0010]根据切割目标生成目标PDF文件。
[0011]根据本专利技术的另一方面，提供了一种精准切割PDF的装置，包括：
[0012]PDF坐标系建立模块，用于获取原始PDF文件，并对原始PDF文件建立坐标系；
[0013]目标信息匹配模块，用于获取目标信息，基于锚点算法在坐标系中将目标信息与原始PDF文件进行匹配生成匹配信息，其中，匹配信息包括坐标域及区域信息；
[0014]切割目标生成模块，用于根据匹配信息对原始PDF文件进行切割生成切割目标，其中，切割目标包括区域信息；
[0015]目标文件生成模块，用于根据切割目标生成目标PDF文件。
[0016]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0017]至少一个处理器；以及
[0018]与所述至少一个处理器通信连接的存储器；其中，
[0019]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的一种精准切割PDF的方法。
[0020]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的一种精准切割PDF的方法。
[0021]本专利技术实施例的技术方案，通过锚点算法在原始PDF文件的坐标系中匹配的方式，实现了对目标信息的准确定位，通过匹配信息对原始PDF文件进行切割生成切割目标，再根据切割目标生成目标PDF文件的方式，可以使用户更直观的掌握目标信息，同时减小了用户的工作量，提高了用户的工作效率。
[0022]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0023]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0024]图1是根据本专利技术实施例一提供的一种精准切割PDF的方法的流程图；
[0025]图2是根据本专利技术实施例二提供的一种精准切割PDF的方法的流程图；
[0026]图3是根据本专利技术实施例三提供的一种精准切割PDF的装置的结构示意图；
[0027]图4是实现本专利技术实施例的一种精准切割PDF的方法的电子设备的结构示意图。
具体实施方式
[0028]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0029]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0030]实施例一
[0031]图1为本专利技术实施例一提供了一种精准切割PDF的方法的流程图，本实施例可适用于在PDF中截取目标信息的情况，如图1所示，该方法包括：
[0032]S110、获取原始PDF文件，并对原始PDF文件建立坐标系。
[0033]其中，PDF是一种通用文件格式，能够保存任何源文档的所有字体、格式、颜色和图形，而不受创建该文档所使用的应用程序和平台影响；坐标系是指二维平面直角坐标系，包
括x轴、y轴和原点，建立坐标系是为了对PDF文件中内容的具体位置使用坐标进行表示，便于用户在使用时对PDF文件中的内容进行定位。
[0034]优选的，获取原始PDF文件，并对原始PDF文件建立坐标系，包括：获取原始PDF文件，通过分页器将原始PDF文件进行分页获取PDF分页；针对每个PDF分页分别建立坐标系。
[0035]具体的，获取原始PDF文件的方式可以是用户在控制器输入的，用户可以在与控制器相连的终端设备上选择原始PDF文件，用户是指操作控制器的工作人员或者是技术人员，输入的原始PDF文件可以是一个或多个，也可以是控制器根据实际场景自动抓取的，例如，用户当前的使用场景是学生信息名单查询，此时控制器会自动抓取与学生信息名单相关的全部PDF文件作为原始PDF文件。分页器是将原始PDF文件中全部页面中每个单独的页面分开获取PDF分页，并为每个PDF分页赋予页码，对原始PDF文件建立坐标系就是在每个PDF分页分别建立坐标系。示例性的，以每个PDF分页的左上角作为坐标原点，x轴正半轴是原点开始向右延伸的轴，y轴正半轴是原点开始向下延伸的轴，以每0.5cm作为间距，即每0.5cm代表数字1，本实施方式中仅以在PDF分页的左上角作为坐标原点为例进行说明，并不对坐标系具体建立方式进行限定。
[0036]优选的，获取原始PDF文件之后，还包括；建立与原始PDF文件匹本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种精准切割PDF的方法，其特征在于，包括：获取原始PDF文件，并对所述原始PDF文件建立坐标系；获取目标信息，基于锚点算法在所述坐标系中将所述目标信息与所述原始PDF文件进行匹配生成匹配信息，其中，所述匹配信息包括坐标域及区域信息；根据所述匹配信息对所述原始PDF文件进行切割生成切割目标，其中，所述切割目标包括所述区域信息；根据所述切割目标生成目标PDF文件。2.根据权利要求1所述的方法，其特征在于，所述获取原始PDF文件，并对所述原始PDF文件建立坐标系，包括：获取原始PDF文件，通过分页器将所述原始PDF文件进行分页获取PDF分页；针对每个所述PDF分页分别建立坐标系。3.根据权利要求2所述的方法，其特征在于，所述获取原始PDF文件之后，还包括；建立与所述原始PDF文件匹配的处理工具，其中，所述处理工具包括文件解释器工具、页面聚合器工具和设备工具。4.根据权利要求3所述的方法，其特征在于，所述获取目标信息，基于锚点算法在所述坐标系中将所述目标信息与所述原始PDF文件进行匹配生成匹配信息，包括：获取目标信息，并根据所述目标信息建立锚点；通过所述文件解释器工具获取所述原始PDF文件中每个所述PDF分页的坐标系、页面布局及页标；通过所述锚点计算与每个所述PDF分页中内容的交并比；将所述交并比大于预设阈值的所述内容对应的坐标作为坐标域；通过所述设备工具读取所述内容的文字作为区域信息；将所述坐标域和所述区域信息作为所述匹配信息。5.根据权利要求4所述的方法，其特征在于，所述匹配信息包含至少两个相同的所述区域信息时，还包括：获取校验信息，并通过所述校验信息对所述匹配信息进行过滤生成更新后的匹配信息；所述根据所述匹配信息对所述原始PDF文...

【专利技术属性】
技术研发人员：樊月刚，吴广源，赵磊，昝云飞，徐红，纪传俊，纪达麒，陈运文，
申请(专利权)人：达而观科技北京有限公司，
类型：发明
国别省市：