基于基因字的文档处理方法及装置

摘要

本发明公开了一种基于基因字的文档处理方法及装置。其中，该方法包括：根据基因字库从原始文件中提取一个或多个源字符，以获取源字符集合，其中，源字符集合中的源字符在基因字库中存在对应的基因字；计算源字符集合中每一个源字符的重复频率，并根据每一个源字符的重复频率和字符内码对源字符集合中的源字符进行排序；根据蛇形算法对排序后的源字符集合中的源字符按照预设的组数进行分组，以获取预定数目的字符组；将一组或多组字符组中的所有源字符替换为基因字库中与其对应的基因字，以获取嵌入基因字的文档。通过本发明，能够实现在识别嵌入基因字的文档时，读取文档中的字符信息更加准确且正确率更高。

主权项

一种基于基因字的文档处理方法，其特征在于，包括：根据基因字库从原始文件中提取一个或多个源字符，以获取源字符集合，其中，所述源字符集合中的源字符在所述基因字库中存在对应的基因字；计算所述源字符集合中每一个源字符的重复频率，并根据每一个源字符的重复频率和字符内码对所述源字符集合中的源字符进行排序；根据蛇形算法对排序后的所述源字符集合中的源字符按照预设的组数进行分组，以获取预定数目的字符组；将一组或多组字符组中的所有源字符替换为基因字库中与其对应的基因字，以获取嵌入基因字的文档，其中，所述基因字是一种专用字库中的所有字符的集合。