发明名称 | 一种PDF文档到XML文档转换的方法 | ||
摘要 | 本发明公开了一种PDF文档到XML文档转换的方法,(一)中间文档生成模块(7):针对PDF样本文档(2)的内容,根据语义项和文本块之间的映射关系,系统自动生成标记语义项和信息块特征的中间XML文档(3);(二)规则生成模块:对PDF样本文档(2)进行分析和处理,调用中间文档生成模块(7)产生的中间XML文档(3),通过文档解析器读取PDF源文档(1)的内容,并将其转换为规则的XSLT文档;(三)自动抽取模块:接受规则的XSLT文档,得到满足目标DTD文档并具有语义信息的目标XML文档(5)。本发明可以对转换后的XML文档做进一步的操作,从而提高文档自动分类和用户信息检索的效率。 | ||
申请公布号 | CN1776673A | 申请公布日期 | 2006.05.24 |
申请号 | CN200510122890.4 | 申请日期 | 2005.12.03 |
申请人 | 福州大学 | 发明人 | 张文德;宋艳娟;陈振标;杨传耀;陈俊林;朱丹红 |
分类号 | G06F17/30(2006.01) | 主分类号 | G06F17/30(2006.01) |
代理机构 | 代理人 | ||
主权项 | 1、一种PDF文档到XML文档转换的方法,其特征在于:它包括中间文档生成模块(7)、规则生成模块(8)、自动抽取模块(9)依次进行,其步骤为:步骤一:中间文档生成模块:针对PDF样本文档(2)的内容,根据语义项和文本块之间的映射关系,系统自动生成标记语义项和信息块特征的中间XML文档(3);步骤二:规则生成模块:对PDF样本文档(2)进行分析和处理,调用中间文档生成模块(7)产生的中间XML文档,通过文档解析器读取PDF源文档(1)的内容,并将其转换为规则XSLT文档(4);步骤三:自动抽取模块:接受规则XSLT文档(4),得到满足目标DTD文档并具有语义信息的目标XML文档(5)。 | ||
地址 | 350002福建省福州市工业路523号 |