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！

龙图腾网恭喜上海金仕达软件科技股份有限公司申请的专利一种PDF公告文档的处理方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114170614B 。

龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111535580.0，技术领域涉及：G06V30/416；该发明授权一种PDF公告文档的处理方法及系统是由张胜博;万德洪;孙科;罗康洋;束金龙;谭可人;王佳妮;雷鑫林;刘宇;耿然;铁清木;张炜祺;张林设计研发完成，并于2021-12-15向国家知识产权局提交的专利申请。

本一种PDF公告文档的处理方法及系统在说明书摘要公布了：本发明公开了一种公告文档的处理方法及系统，基于获取的PDF公告文档的格式和内容，判断PDF公告文档为标准化PDF文档或非标准化PDF文档，当PDF公告文档为标准化PDF文档时，将PDF公告文档由PDF格式转换为一个临时的docx格式的Word公告文档，对PDF公告文档和Word公告文档采用预设坐标算法进行公告域信息分割，并在分割完成后得到PDF公告文档对应的格式化的公告纯文本。本发明利用Word公告文档中的正文行对象和表格对象，在采用预设坐标算法时有效的区分PDF公告文档中的正文行对象和表格对象，使得PDF公告文档转换之后的正文行对象与表格对象相互区分和隔离，满足自然语言处理技术的需求。

本发明授权一种PDF公告文档的处理方法及系统在权利要求书中公布了：1.一种公告文档的处理方法，其特征在于，包括：获取PDF公告文档；基于所述PDF公告文档的格式和内容，判断所述PDF公告文档为标准化PDF文档或非标准化PDF文档；当所述PDF公告文档为所述标准化PDF文档时，将所述PDF公告文档由PDF格式转换为一个临时的docx格式的Word公告文档，所述Word公告文档包括正文行对象和表格对象；对所述PDF公告文档和所述Word公告文档，采用预设坐标算法进行公告域信息分割，并在分割完成后得到所述PDF公告文档对应的格式化的公告纯文本，其中，所述公告域信息至少包括：公告头部信息、公告标题、公告说明和公告正文；其中，对所述PDF公告文档和所述Word公告文档，采用预设坐标算法进行公告域信息分割，并在分割完成后得到所述PDF公告文档对应的格式化的公告纯文本，包括：对所述PDF公告文档进行扫描，逐页逐行提取所述PDF公告文档的文本块元素，所述文本块元素包括：文本字符、文本块矩形的左上角坐标值和右下角坐标值；将逐页逐行提取的所述文本块元素按照提取顺序存放至预先建立的有序字典中；对所述Word公告文档中的所述正文行对象和所述表格对象逐一进行扫描，得到所述Word公告文档中的文档元素，并基于所述文档元素和所述有序字典得到格式化的所述公告纯文本，其中，所述文档元素包括：所述正文行对象对应的文本字符串和坐标值列表，以及所述表格对象对应的单元格内的字符串；其中，对所述Word公告文档中的所述正文行对象和所述表格对象逐一进行扫描，得到所述Word公告文档中的文档元素，并基于所述文档元素和所述有序字典得到格式化的所述公告纯文本，包括：对所述Word公告文档进行扫描，从所述正文行对象中按序获取一行文本字符串，并从所述有序字典中获取以所述文本字符串为键的坐标值列表，形成一个由文本字符串和所述坐标值列表组成的二元组；将所述二元组在预设规则库中进行匹配，并利用匹配得到的目标规则对所述二元组进行格式化处理，得到初始公告纯文本，其中，所述预设规则库包含两类规则，分别为坐标相关规则和坐标无关规则；对所述Word公告文档进行扫描，从所述表格对象中依次获取每个表格子对象；逐行逐单元遍历所述表格子对象，提取并矫正每个所述表格子对象中单元格内的字符串，得到目标单元格；将各个所述目标单元格中的字符串以一个制表符进行分割，共同组成所述表格子对象的一行内容，并添加至所述初始公告纯文本中；当对所述表格对象中的所有的所述表格子对象对应的一行内容均添加至所述初始公告纯文本中后，得到最终的格式化的所述公告纯文本。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海金仕达软件科技股份有限公司，其通讯地址为：200120 上海市浦东新区中国(上海)自由贸易试验区亮景路210号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。