买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：壹沓科技(上海)有限公司

摘要：本申请公开了一种化学品说明书解析方法、装置、设备及可读存储介质，方法包括：解析得到化学品说明书每一页文本对应的各个行文本块并排序；进而根据设定的字符编辑距离，去除每一页文本对应的页眉、页脚行文本块，得到正文行文本块；在各个正文行文本块中获取符合设定条件的目标文本，该设定条件依据章节标题可能出现的位置进行设定，再根据预设的字体、字号及位置坐标对目标文本进行聚类，获得化学品说明书的头部和章节标题；将章节标题及其对应的章节正文组合为章节文本。化学品说明书的编写规范规定其章节标题的数量固定，且各个章节标题都有对应的固定名称，因此，明确目标文本的聚类目标，清晰、准确地获取各个章节标题，便于后续解析。

主权项：1.一种化学品说明书解析方法，其特征在于，包括：解析化学品说明书的文本，得到所述化学品说明书每一页文本对应的各个行文本块，每个所述行文本块包含所述化学品说明书中对应行的文本，所述化学品说明书存在多页文本；根据各个所述行文本块的坐标值，将每一页文本对应的各个行文本块由上到下进行排序；根据设定的字符编辑距离，在排序后的每一页文本对应的各个行文本块中确定页眉行文本块和页脚行文本块并去除，得到每一页文本对应的正文行文本块；在所述正文行文本块中获取目标文本，处于其所在行文本块的最左侧且包含冒号的文本，以及处于其所在行文本块的中间的文本，作为所述目标文本，所述目标文本的字数不超过设定的字数阈值；根据预设的字体、字号及位置坐标，对各个所述目标文本进行聚类，得到所述化学品说明书的头部和各个章节标题；确定每个所述章节标题对应的章节正文，并将每个所述章节标题及其对应的章节正文组合成章节文本，向用户终端输出所述头部及各个所述章节文本；所述在正文行文本块中获取目标文本，包括：在组成每个所述正文行文本块的各个小行文本块中，确定处于每个所述正文行文本块最左侧的小行文本块及其包含的文本，得到多个候选文本；从所述多个候选文本中获取包含冒号，且字数不超过预设的字数阈值的文本，作为第一目标文本；若所述化学品说明书存在图片，先获取所述图片的坐标值，将化学品说明书由PDF转换为图片格式，再根据所述图片的坐标值从图片格式的化学品说明书中截取所述图片，所述图片包括设定点坐标值和图片编号；将截取到的图片按照设定点的坐标值排序到对应的文本页的对应位置，与所述章节文本以及头部一同输出至用户终端。

全文数据：

权利要求：

百度查询： 壹沓科技(上海)有限公司 一种化学品说明书解析方法、装置、设备及可读存储介质