一种面向网络流传输的中文PDF文件文本内容提取方法

摘要

本发明属于网络信息处理技术领域，尤其是一种面向网络流传输的中文PDF文件文本内容提取方法。本发明包括：步骤A：提供给应用层逻辑的接口；步骤B：对应用层逻辑所解析的网络数据进行中文PDF文档文本内容提取。本发明通过对网络数据流传输的中文PDF文件内容提取各个步骤进行分析及优化，达到了整个系统在时间效率，空间效率上最大可能的优化，同时，避免了时延抖动这样有害现象的产生，使得该方法能够在不影响系统整体运行效率得情况下，运行于大流量的监管系统中。

主权项

一种面向网络流传输的中文PDF文件文本内容提取方法，其特征在于，包括下列步骤：步骤A：提供给应用层逻辑的接口；步骤B：对应用层逻辑所解析的网络数据进行中文PDF文档文本内容提取；所述步骤B包括些下列步骤：步骤B1，PDF文件内容流定位；步骤B2，PDF文件内容流预解压与预识别；步骤B3，PDF文件内容流解压；步骤B4，PDF文件转码映射文件提取；步骤B5，PDF文件中文CID编码提取；步骤B6，PDF文件CID编码池内容通过缓冲池的方式提交。