專利名稱：一種版面信息提取和加工的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機應(yīng)用中的中文信息處理技術(shù)領(lǐng)域，具體地說，涉及一種版面信息提取和加工的方法。
背景技術(shù)：
當前，數(shù)字報刊、雜志等的版面設(shè)計都是通過計算機經(jīng)錄入、排版、顯示等步驟來完成。但現(xiàn)有的數(shù)字報刊、雜志等的版面信息在提取和加工過程中，只能處理單一類型的版式文件，而且當遇到分區(qū)信息不全的版式文件時，一般采用手工的方法進行處理，難以很好地還原完整的見報稿件所需要的版面信息。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種版面信息提取和加工的方法，利用本方法可以處理不同類型的版式文件，提高版面信息提取的準確性和信息加工處理的速度，提高工作效率。為解決上述技術(shù)問題，本發(fā)明的技術(shù)方案是一種版面信息提取和加工的方法，包括以下步驟
(1)版面信息的提取先從數(shù)據(jù)源獲取所需要的版式文件；然后分析版式文件，取得版式文件的類型；按不同的文件類型采用不同的方法，分析提取版面信息，所述版面信息包括文字信息和圖片信息；將所述版面信息形成統(tǒng)一的格式；
(2)版面信息的加工先將所述文字信息和圖片信息進行分區(qū)，將文字分區(qū)和圖片分區(qū)按照屬性進行智能組合；對沒有智能關(guān)聯(lián)的特殊分區(qū)進行手動關(guān)聯(lián)處理；對版面信息的內(nèi)容及格式進行處理；
(3)將加工后的版面信息輸出為結(jié)構(gòu)化文檔。由于采用了上述技術(shù)方案，本發(fā)明的有益效果是采用本發(fā)明所述的方法，在版面信息提取過程中，可以處理不同類型的版式文件，比如PS、S2、PDF等，可以在一個窗口下實現(xiàn)多種類型文件的加工處理；在版面信息的加工過程中，通過對文字分區(qū)和圖片分區(qū)進行智能組合，可以保證文字與圖片的準確對應(yīng)關(guān)系，提高版面信息提取的準確性和信息加工處理的速度，大大提高工作效率。


下面結(jié)合附圖和實施例對本發(fā)明進一步說明。圖1是本發(fā)明實施例的原理框圖2是本發(fā)明實施例中的版面信息加工過程框圖。
具體實施例方式如圖1所示，本發(fā)明的版面信息提取和加工的方法，包括(1)版面信息的提取步驟先從數(shù)據(jù)源獲取所需要的版式文件；然后分析版式文件，對其進行分類，取得版式文件的類型，例如PS文件，S2、S72、S92文件或者PDF文件等；按不同的文件類型采用不同的方法，例如分別采用PS插件、S2插件、PDF插件，分析提取版面信息的內(nèi)容，所述版面信息內(nèi)容包括文字信息和圖片信息，其中文字信息包括文字內(nèi)容，文字屬性，文字在版面中位置等信息；圖片信息包括圖片名稱，圖片大小，圖片在版面中位置等信息；將所述版面信息形成統(tǒng)一的格式供加工步驟使用；
如圖2所示，本發(fā)明的版面信息提取和加工的方法，還包括
(2)版面信息的加工步驟先將步驟(1)中統(tǒng)一格式的文字信息和圖片信息導(dǎo)入數(shù)據(jù)加工整理系統(tǒng)進行分區(qū)，之后將文字分區(qū)和圖片分區(qū)按照屬性進行智能組合，可形成不同的見報稿件；對那些沒有智能關(guān)聯(lián)的特殊分區(qū)，則需要進行手動關(guān)聯(lián)處理；再根據(jù)見報數(shù)據(jù)的需要，對每篇稿件的版面信息的內(nèi)容及格式進行處理；
(3)最后，導(dǎo)出結(jié)構(gòu)化文檔，包含完整的版面信息?？傊捎帽景l(fā)明所述的方法，在版面信息提取過程中，可以處理不同類型的版式文件，比如PS、S2、PDF等，可以在一個窗口下實現(xiàn)多種類型文件的加工處理；可以自動地提取文章作者、文章引題、文章主題、文章副題等信息；在版面信息的加工過程中，通過對文字分區(qū)和圖片分區(qū)進行智能組合，可以保證文字與圖片的準確對應(yīng)關(guān)系，提高版面信息提取的準確性和信息加工處理的速度，大大提高工作效率。以上所述為本發(fā)明最佳實施方式的舉例，其中未詳細述及的部分均為本領(lǐng)域普通技術(shù)人員的公知常識。本發(fā)明的保護范圍以權(quán)利要求的內(nèi)容為準，任何基于本發(fā)明的技術(shù)啟示而進行的等效變換，也在本發(fā)明的保護范圍之內(nèi)。
權(quán)利要求
1. 一種版面信息提取和加工的方法，其特征在于，包括以下步驟(1)版面信息的提取先從數(shù)據(jù)源獲取所需要的版式文件；然后分析版式文件，取得版式文件的類型；按不同的文件類型采用不同的方法，分析提取版面信息，所述版面信息包括文字信息和圖片信息；將所述版面信息形成統(tǒng)一的格式；(2)版面信息的加工先將所述文字信息和圖片信息進行分區(qū)，將文字分區(qū)和圖片分區(qū)按照屬性進行智能組合；對沒有智能關(guān)聯(lián)的分區(qū)進行手動關(guān)聯(lián)處理；對版面信息的內(nèi)容及格式進行處理；(3)將加工后的版面信息輸出為結(jié)構(gòu)化文檔。
全文摘要
本發(fā)明公開了一種版面信息提取和加工的方法，包括版面信息的提取步驟，版面信息的加工步驟和輸出見報稿件的版面信息步驟。采用本發(fā)明的方法，在版面信息提取過程中，可以處理不同類型的版式文件，比如PS、S2、PDF等，可以在一個窗口下實現(xiàn)多種類型文件的加工處理；可以自動地提取文章作者、文章引題、文章主題、文章副題等信息；在版面信息的加工過程中，通過對文字分區(qū)和圖片分區(qū)進行智能組合，可以保證文字與圖片的準確對應(yīng)關(guān)系，提高版面信息提取的準確性和信息加工處理的速度，大大提高工作效率。
文檔編號G06T11/60GK102200966SQ201110145850
公開日2011年9月28日 申請日期2011年6月1日 優(yōu)先權(quán)日2011年6月1日
發(fā)明者張東升, 殷建民 申請人:濰坊北大青鳥華光照排有限公司