終端、版式文檔內(nèi)容描述優(yōu)化裝置和方法
【專利摘要】本發(fā)明提供了一種版式文檔內(nèi)容描述優(yōu)化裝置、一種終端和一種版式文檔內(nèi)容描述優(yōu)化方法，其中版式文檔內(nèi)容描述優(yōu)化裝置包括：解析單元，解析原始版式文檔內(nèi)容，得到文本圖元數(shù)據(jù)；識(shí)別單元，識(shí)別出文本圖元數(shù)據(jù)中每一字符的文本屬性；文字節(jié)點(diǎn)歸類單元，按照文本屬性對(duì)文本圖元數(shù)據(jù)中的字符進(jìn)行歸類，將具有相同文本屬性的字符與相同文本屬性保存至同一個(gè)文字節(jié)點(diǎn)；文字內(nèi)容節(jié)點(diǎn)歸類單元，針對(duì)每一文字節(jié)點(diǎn)中保存的字符，將屬于同一行或同一列的字符、同一行或同一列的起始字符的坐標(biāo)、同一行或同一列的平均字間距保存至文字內(nèi)容節(jié)點(diǎn)，以得到優(yōu)化后的版式文檔內(nèi)容。可實(shí)現(xiàn)使用盡可能少的數(shù)據(jù)來(lái)描述盡可能多的文本內(nèi)容，以減小版式文檔的體積。
【專利說(shuō)明】終端、版式文檔內(nèi)容描述優(yōu)化裝置和方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計(jì)算機(jī)【技術(shù)領(lǐng)域】，具體而言，涉及一種版式文檔內(nèi)容描述優(yōu)化裝置、具有該版式文檔內(nèi)容描述優(yōu)化裝置的終端和一種版式文檔內(nèi)容描述優(yōu)化方法。

【背景技術(shù)】
[0002]在版式文檔的內(nèi)容中，文本是十分重要的一部分。版式文檔中對(duì)文本內(nèi)容的描述方式不同，其解析效率、顯示效果以及文件體積也會(huì)不同。版式文檔中對(duì)于文本內(nèi)容的保存方式，最簡(jiǎn)單一種就是直接保存每一個(gè)字符的坐標(biāo)和文字信息。這種方式實(shí)現(xiàn)簡(jiǎn)單，保存方便；但是，版式文檔中的文本數(shù)據(jù)數(shù)量巨大，使用這種方式保存文本內(nèi)容，需要保存的坐標(biāo)和文字信息也相應(yīng)的會(huì)占用很大的數(shù)據(jù)量，從而使得文本內(nèi)容的描述存在大量的冗余信息，文檔體積增大。
[0003]因此，需要一種簡(jiǎn)單可行的且可減小文檔體積的版式文檔內(nèi)容描述技術(shù)。


【發(fā)明內(nèi)容】

[0004]考慮到相關(guān)技術(shù)中出現(xiàn)的技術(shù)問(wèn)題，本發(fā)明所要解決的技術(shù)問(wèn)題在于，提供一種版式文檔內(nèi)容描述優(yōu)化技術(shù)，可實(shí)現(xiàn)使用盡可能少的數(shù)據(jù)來(lái)描述盡可能多的文本內(nèi)容，從而減小版式文檔的體積。
[0005]根據(jù)本發(fā)明的一個(gè)方面，提供了一種版式文檔內(nèi)容描述優(yōu)化裝置，包括:解析單元，用于解析原始版式文檔內(nèi)容，得到文本圖元數(shù)據(jù)；識(shí)別單元，用于識(shí)別出所述文本圖元數(shù)據(jù)中每一字符的文本屬性；文字節(jié)點(diǎn)歸類單元，用于按照所述文本屬性對(duì)所述文本圖元數(shù)據(jù)中的字符進(jìn)行歸類，將具有相同文本屬性的字符與所述相同文本屬性保存至同一個(gè)文字節(jié)點(diǎn)；文字內(nèi)容節(jié)點(diǎn)歸類單元，用于針對(duì)每一所述文字節(jié)點(diǎn)中保存的字符，將屬于同一行或同一列的字符、所述同一行或所述同一列的起始字符的坐標(biāo)、所述同一行或所述同一列的平均字間距保存至文字內(nèi)容節(jié)點(diǎn)，以得到優(yōu)化后的版式文檔內(nèi)容，其中，所述文字內(nèi)容節(jié)點(diǎn)是位于所述文字節(jié)點(diǎn)下的且與所述同一行或所述同一列對(duì)應(yīng)的文字內(nèi)容節(jié)點(diǎn)。
[0006]將具有相同文本屬性的字符保存在同一個(gè)文字節(jié)點(diǎn)中，同時(shí)在該文字節(jié)點(diǎn)中保存相應(yīng)的文本屬性；將文本屬性相同，并且處于同一行(列)的字符保存在同一個(gè)文字內(nèi)容節(jié)點(diǎn)中，使用起始字符坐標(biāo)和字間距結(jié)合的方式來(lái)表示多個(gè)文字的版式位置信息，從而使得版式文檔對(duì)于文本內(nèi)容的描述方式進(jìn)行簡(jiǎn)化，減少文本描述數(shù)據(jù)的冗余，減小版式文檔的體積。
[0007]在上述技術(shù)方案中，優(yōu)選的，所述文字節(jié)點(diǎn)歸類單元包括:第一判斷子單元，用于針對(duì)所述文本圖元數(shù)據(jù)中每一行或每一列的字符，判斷當(dāng)前字符的文本屬性與相鄰字符的文本屬性是否相同，所述文字節(jié)點(diǎn)歸類單元在所述第一判斷子單元的判斷結(jié)果為相同時(shí)，將所述當(dāng)前字符保存至與所述相鄰字符相對(duì)應(yīng)的文字節(jié)點(diǎn)中。
[0008]在建立文字節(jié)點(diǎn)時(shí)，逐一判定文本圖元數(shù)據(jù)中的字符屬于哪種文本屬性，將具有相同文本屬性的字符歸類放在一個(gè)文字節(jié)點(diǎn)中，如果文本屬性有8種，則相對(duì)于該文本圖元數(shù)據(jù)的文字節(jié)點(diǎn)為8個(gè)。
[0009]在上述技術(shù)方案中，優(yōu)選的，所述文字節(jié)點(diǎn)歸類單元還可以包括:第一創(chuàng)建子單元，在所述判斷結(jié)果為不相同時(shí)，新建文字節(jié)點(diǎn)，將所述當(dāng)前字符保存至新建的文字節(jié)點(diǎn)。
[0010]在上述技術(shù)方案中，優(yōu)選的，所述文字內(nèi)容節(jié)點(diǎn)歸類單元包括:計(jì)算子單元，用于針對(duì)每一所述文字節(jié)點(diǎn)中的字符，緩存屬于同一行或同一列的字符，計(jì)算所述同一行或同一列的字符之間的所述平均字間距和實(shí)際字間距；第二判斷子單元，用于將連續(xù)確定的實(shí)際字間距與所述平均字間距之間的差值連續(xù)小于等于預(yù)設(shè)值的字符加入至所述文字內(nèi)容節(jié)點(diǎn)，并將所述平均字間距和第一個(gè)加入所述文字內(nèi)容節(jié)點(diǎn)中的字符的坐標(biāo)保存至所述文字內(nèi)容節(jié)點(diǎn)；第二創(chuàng)建子單元，用于將實(shí)際字間距與所述平均字間距之間的差值大于預(yù)設(shè)值的字符加入至新建的且與所述同一行或同一列對(duì)應(yīng)的文字內(nèi)容節(jié)點(diǎn)。
[0011]在建立好文字節(jié)點(diǎn)后，針對(duì)每一文字節(jié)點(diǎn)，進(jìn)行文字內(nèi)容節(jié)點(diǎn)歸類。在進(jìn)行文字內(nèi)容節(jié)點(diǎn)歸類時(shí)，首先分析該文字節(jié)點(diǎn)中屬于同一行或同一列的字符，計(jì)算出該行或該列的平均字間距，將該行或該列中的實(shí)際字間距接近或等于平均字間距的字符加入至與該行或該列對(duì)應(yīng)的文字內(nèi)容節(jié)點(diǎn)中，并將該行或該列中的其余字符加入至新建的文字內(nèi)容節(jié)點(diǎn)中。這樣，針對(duì)每個(gè)文字節(jié)點(diǎn)，根據(jù)字符間距情況將該文字節(jié)點(diǎn)中的字符歸納至一個(gè)或多個(gè)文字內(nèi)容節(jié)點(diǎn)中，并且每個(gè)文字內(nèi)容節(jié)點(diǎn)中需保存第一個(gè)字符的坐標(biāo)和字間距。這樣就可以確定每一個(gè)文字內(nèi)容節(jié)點(diǎn)中每一個(gè)字符的坐標(biāo)位置，而無(wú)需保存每一個(gè)字符的文本屬性和坐標(biāo)位置，大大減少了冗余信息，從而減小了文本體積。
[0012]在上述任一技術(shù)方案中，優(yōu)選的，所述文本屬性包括字體名稱、字符大小和/或字符顏色。
[0013]根據(jù)本發(fā)明的另一方面，還提供了一種終端，包括如上述任一技術(shù)方案中所述的版式文檔內(nèi)容描述優(yōu)化裝置，還可以包括:顯示單元，在顯示經(jīng)過(guò)所述版式文檔內(nèi)容描述優(yōu)化裝置優(yōu)化后的版式文檔內(nèi)容時(shí)，基于文字節(jié)點(diǎn)的文本屬性、以及所述文字節(jié)點(diǎn)下的文字內(nèi)容節(jié)點(diǎn)中包含的行或列的平均字間距和首字符坐標(biāo)，確定所述版式文檔內(nèi)容中每一字符的顯示位置和所需顯示的文本屬性。
[0014]在顯示文檔內(nèi)容時(shí)，將屬于同一文字節(jié)點(diǎn)下的文字內(nèi)容節(jié)點(diǎn)中的字符按照該文字節(jié)點(diǎn)的文本屬性進(jìn)行顯示，并且基于文字內(nèi)容節(jié)點(diǎn)中保存的第一個(gè)字符的坐標(biāo)和字間距可推算出其余字符的位置，從而可正確顯示文檔內(nèi)容。
[0015]根據(jù)本發(fā)明的又一方面，還提供了一種版式文檔內(nèi)容描述優(yōu)化方法，包括:解析原始版式文檔內(nèi)容，得到文本圖元數(shù)據(jù)；識(shí)別出所述文本圖元數(shù)據(jù)中每一字符的文本屬性，并按照所述文本屬性對(duì)所述文本圖元數(shù)據(jù)中的字符進(jìn)行歸類，將具有相同文本屬性的字符與所述相同文本屬性保存至同一個(gè)文字節(jié)點(diǎn)；針對(duì)每一所述文字節(jié)點(diǎn)中保存的字符，將屬于同一行或同一列的字符、所述同一行或所述同一列的起始字符的坐標(biāo)、所述同一行或所述同一列的平均字間距保存至文字內(nèi)容節(jié)點(diǎn)，以得到優(yōu)化后的版式文檔內(nèi)容，其中，所述文字內(nèi)容節(jié)點(diǎn)是位于所述文字節(jié)點(diǎn)下的且與所述同一行或所述同一列對(duì)應(yīng)的文字內(nèi)容節(jié)點(diǎn)。
[0016]將具有相同文本屬性的字符保存在同一個(gè)文字節(jié)點(diǎn)中，同時(shí)在該文字節(jié)點(diǎn)中保存相應(yīng)的文本屬性；將文本屬性相同，并且處于同一行(列)的字符保存在同一個(gè)文字內(nèi)容節(jié)點(diǎn)中，使用起始字符坐標(biāo)和字間距結(jié)合的方式來(lái)表示多個(gè)文字的版式位置信息，從而使得版式文檔對(duì)于文本內(nèi)容的描述方式進(jìn)行簡(jiǎn)化，減少文本描述數(shù)據(jù)的冗余，減小版式文檔的體積。
[0017]在上述技術(shù)方案中，優(yōu)選的，所述字符的歸類方法可以包括:針對(duì)所述文本圖元數(shù)據(jù)中每一行或每一列的字符，判斷當(dāng)前字符的文本屬性與相鄰字符的文本屬性是否相同；在判斷結(jié)果為相同時(shí)，將所述當(dāng)前字符保存至與所述相鄰字符相對(duì)應(yīng)的文字節(jié)點(diǎn)中。
[0018]在建立文字節(jié)點(diǎn)時(shí)，逐一判定文本圖元數(shù)據(jù)中的字符屬于哪種文本屬性，將具有相同文本屬性的字符歸類放在一個(gè)文字節(jié)點(diǎn)中，如果文本屬性有8種，則相對(duì)于該文本圖元數(shù)據(jù)的文字節(jié)點(diǎn)為8個(gè)。
[0019]在上述技術(shù)方案中，優(yōu)選的，在所述判斷結(jié)果為不相同時(shí)，新建文字節(jié)點(diǎn)，將所述當(dāng)前字符保存至新建的文字節(jié)點(diǎn)。
[0020]在上述技術(shù)方案中，優(yōu)選的，所述文字內(nèi)容節(jié)點(diǎn)的生成方法包括:針對(duì)每一所述文字節(jié)點(diǎn)中的字符，緩存屬于同一行或同一列的字符；計(jì)算所述同一行或同一列的字符之間的所述平均字間距和實(shí)際字間距；將連續(xù)確定的實(shí)際字間距與所述平均字間距之間的差值連續(xù)小于等于預(yù)設(shè)值的字符加入至所述文字內(nèi)容節(jié)點(diǎn)，并將平均字間距和第一個(gè)加入所述文字內(nèi)容節(jié)點(diǎn)中的字符的坐標(biāo)保存至所述文字內(nèi)容節(jié)點(diǎn)；將實(shí)際字間距與所述平均字間距之間的差值大于預(yù)設(shè)值的字符加入至新建的且與所述同一行或同一列對(duì)應(yīng)的文字內(nèi)容節(jié)點(diǎn)。
[0021]在建立好文字節(jié)點(diǎn)后，針對(duì)每一文字節(jié)點(diǎn)，進(jìn)行文字內(nèi)容節(jié)點(diǎn)歸類。在進(jìn)行文字內(nèi)容節(jié)點(diǎn)歸類時(shí)，首先分析該文字節(jié)點(diǎn)中屬于同一行或同一列的字符，計(jì)算出該行或該列的平均字間距，將該行或該列中的實(shí)際字間距接近或等于平均字間距的字符加入至與該行或該列對(duì)應(yīng)的文字內(nèi)容節(jié)點(diǎn)中，并將該行或該列中的其余字符加入至新建的文字內(nèi)容節(jié)點(diǎn)中。這樣，針對(duì)每個(gè)文字節(jié)點(diǎn)，根據(jù)字符間距情況將該文字節(jié)點(diǎn)中的字符歸納至一個(gè)或多個(gè)文字內(nèi)容節(jié)點(diǎn)中，并且每個(gè)文字內(nèi)容節(jié)點(diǎn)中需保存第一個(gè)字符的坐標(biāo)和字間距。這樣就可以確定每一個(gè)文字內(nèi)容節(jié)點(diǎn)中每一個(gè)字符的坐標(biāo)位置，而無(wú)需保存每一個(gè)字符的文本屬性和坐標(biāo)位置，大大減少了冗余信息，從而減小了文本體積。
[0022]在上述任一技術(shù)方案中，優(yōu)選的，所述文本屬性包括字體名稱、字符大小和/或字符顏色。
[0023]在上述任一技術(shù)方案中，優(yōu)選的，在顯示進(jìn)行優(yōu)化后的版式文檔內(nèi)容時(shí)，基于所述文字節(jié)點(diǎn)的文本屬性、以及所述文字節(jié)點(diǎn)下的文字內(nèi)容節(jié)點(diǎn)中包含的行或列的平均字間距和首字符坐標(biāo)，確定所述版式文檔內(nèi)容中每一字符的顯示位置和所需顯示的文本屬性。
[0024]在顯示文檔內(nèi)容時(shí)，將屬于同一文字節(jié)點(diǎn)下的文字內(nèi)容節(jié)點(diǎn)中的字符按照該文字節(jié)點(diǎn)的文本屬性進(jìn)行顯示，并且基于文字內(nèi)容節(jié)點(diǎn)中保存的第一個(gè)字符的坐標(biāo)和字間距可推算出其余字符的位置，從而可正確顯示文檔內(nèi)容。

【專利附圖】

【附圖說(shuō)明】
[0025]圖1示出了根據(jù)本發(fā)明的實(shí)施例的版式文檔內(nèi)容描述優(yōu)化裝置的框圖；
[0026]圖2示出了根據(jù)本發(fā)明的實(shí)施例的終端的示意圖；
[0027]圖3示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的版式文檔內(nèi)容描述優(yōu)化方法的流程圖；
[0028]圖4示出了根據(jù)本發(fā)明的另一實(shí)施例的版式文檔內(nèi)容描述優(yōu)化方法的流程圖；
[0029]圖5示出了根據(jù)本發(fā)明的實(shí)施例的根據(jù)文本屬性進(jìn)行字符歸類的流程圖；
[0030]圖6示出了根據(jù)本發(fā)明的實(shí)施例的進(jìn)行文字內(nèi)容節(jié)點(diǎn)歸類的流程圖；
[0031]圖7示出了根據(jù)本發(fā)明的實(shí)施例的版式文檔內(nèi)容的保存方法流程圖。

【具體實(shí)施方式】
[0032]為了能夠更清楚地理解本發(fā)明的上述目的、特征和優(yōu)點(diǎn)，下面結(jié)合附圖和【具體實(shí)施方式】對(duì)本發(fā)明進(jìn)行進(jìn)一步的詳細(xì)描述。需要說(shuō)明的是，在不沖突的情況下，本申請(qǐng)的實(shí)施例及實(shí)施例中的特征可以相互組合。
[0033]在下面的描述中闡述了很多具體細(xì)節(jié)以便于充分理解本發(fā)明，但是，本發(fā)明還可以采用其他不同于在此描述的其他方式來(lái)實(shí)施，因此，本發(fā)明并不限于下面公開(kāi)的具體實(shí)施例的限制。
[0034]圖1示出了根據(jù)本發(fā)明的實(shí)施例的版式文檔內(nèi)容描述優(yōu)化裝置的框圖。
[0035]如圖1所示，根據(jù)本發(fā)明的實(shí)施例的版式文檔內(nèi)容描述優(yōu)化裝置100，包括:解析單元102，用于解析原始版式文檔內(nèi)容，得到文本圖元數(shù)據(jù)；識(shí)別單元104，用于識(shí)別出文本圖元數(shù)據(jù)中每一字符的文本屬性；文字節(jié)點(diǎn)歸類單元106，用于按照文本屬性對(duì)文本圖元數(shù)據(jù)中的字符進(jìn)行歸類，將具有相同文本屬性的字符與相同文本屬性保存至同一個(gè)文字節(jié)點(diǎn)；文字內(nèi)容節(jié)點(diǎn)歸類單元108，用于針對(duì)每一文字節(jié)點(diǎn)中保存的字符，將屬于同一行或同一列的字符、同一行或同一列的起始字符的坐標(biāo)、同一行或同一列的平均字間距保存至文字內(nèi)容節(jié)點(diǎn)，以得到優(yōu)化后的版式文檔內(nèi)容，其中，文字內(nèi)容節(jié)點(diǎn)是位于文字節(jié)點(diǎn)下的且與同一行或同一列對(duì)應(yīng)的文字內(nèi)容節(jié)點(diǎn)。
[0036]將具有相同文本屬性的字符保存在同一個(gè)文字節(jié)點(diǎn)中，同時(shí)在該文字節(jié)點(diǎn)中保存相應(yīng)的文本屬性；將文本屬性相同，并且處于同一行(列)的字符保存在同一個(gè)文字內(nèi)容節(jié)點(diǎn)中，使用起始字符坐標(biāo)和字間距結(jié)合的方式來(lái)表示多個(gè)文字的版式位置信息，從而使得版式文檔對(duì)于文本內(nèi)容的描述方式進(jìn)行簡(jiǎn)化，減少文本描述數(shù)據(jù)的冗余，減小版式文檔的體積。
[0037]在上述技術(shù)方案中，優(yōu)選的，文字節(jié)點(diǎn)歸類單元106包括:第一判斷子單元1062，用于針對(duì)文本圖元數(shù)據(jù)中每一行或每一列的字符，判斷當(dāng)前字符的文本屬性與相鄰字符的文本屬性是否相同，文字節(jié)點(diǎn)歸類單元在第一判斷子單元1062的判斷結(jié)果為相同時(shí)，將當(dāng)前字符保存至與相鄰字符相對(duì)應(yīng)的文字節(jié)點(diǎn)中。
[0038]在建立文字節(jié)點(diǎn)時(shí)，逐一判定文本圖元數(shù)據(jù)中的字符屬于哪種文本屬性，將具有相同文本屬性的字符歸類放在一個(gè)文字節(jié)點(diǎn)中，如果文本屬性有8種，則相對(duì)于該文本圖元數(shù)據(jù)的文字節(jié)點(diǎn)為8個(gè)。
[0039]優(yōu)選的，文字節(jié)點(diǎn)歸類單元106還可以包括:第一創(chuàng)建子單元1064，在判斷結(jié)果為不相同時(shí)，新建文字節(jié)點(diǎn)，將當(dāng)前字符保存至新建的文字節(jié)點(diǎn)。
[0040]在上述技術(shù)方案中，優(yōu)選的，文字內(nèi)容節(jié)點(diǎn)歸類單元108包括:計(jì)算子單元1082，用于針對(duì)每一文字節(jié)點(diǎn)中的字符，緩存屬于同一行或同一列的字符，計(jì)算同一行或同一列的字符之間的平均字間距和實(shí)際字間距；第二判斷子單元1084，用于將連續(xù)確定的實(shí)際字間距與平均字間距之間的差值連續(xù)小于等于預(yù)設(shè)值的字符加入至文字內(nèi)容節(jié)點(diǎn)，并將平均字間距和第一個(gè)加入文字內(nèi)容節(jié)點(diǎn)中的字符的坐標(biāo)保存至文字內(nèi)容節(jié)點(diǎn)；第二創(chuàng)建子單元1086，用于將實(shí)際字間距與平均字間距之間的差值大于預(yù)設(shè)值的字符加入至新建的且與同一行或同一列對(duì)應(yīng)的文字內(nèi)容節(jié)點(diǎn)。
[0041]在建立好文字節(jié)點(diǎn)后，針對(duì)每一文字節(jié)點(diǎn)，進(jìn)行文字內(nèi)容節(jié)點(diǎn)歸類。在進(jìn)行文字內(nèi)容節(jié)點(diǎn)歸類時(shí)，首先分析該文字節(jié)點(diǎn)中屬于同一行或同一列的字符，計(jì)算出該行或該列的平均字間距，將該行或該列中的實(shí)際字間距接近或等于平均字間距的字符加入至與該行或該列對(duì)應(yīng)的文字內(nèi)容節(jié)點(diǎn)中，并將該行或該列中的其余字符加入至新建的文字內(nèi)容節(jié)點(diǎn)中。這樣，針對(duì)每個(gè)文字節(jié)點(diǎn)，根據(jù)字符間距情況將該文字節(jié)點(diǎn)中的字符歸納至一個(gè)或多個(gè)文字內(nèi)容節(jié)點(diǎn)中，并且每個(gè)文字內(nèi)容節(jié)點(diǎn)中需保存第一個(gè)字符的坐標(biāo)和字間距。這樣就可以確定每一個(gè)文字內(nèi)容節(jié)點(diǎn)中每一個(gè)字符的坐標(biāo)位置，而無(wú)需保存每一個(gè)字符的文本屬性和坐標(biāo)位置，大大減少了冗余信息，從而減小了文本體積。
[0042]在上述任一技術(shù)方案中，優(yōu)選的，文本屬性包括字體名稱、字符大小和/或字符顏色。
[0043]圖2示出了根據(jù)本發(fā)明的實(shí)施例的終端的示意圖。
[0044]如圖2所示，根據(jù)本發(fā)明的實(shí)施例的終端200，包括如上述任一技術(shù)方案中的版式文檔內(nèi)容描述優(yōu)化裝置100，還可以包括:顯示單元202，在顯示經(jīng)過(guò)版式文檔內(nèi)容描述優(yōu)化裝置優(yōu)化后的版式文檔內(nèi)容時(shí)，基于文字節(jié)點(diǎn)的文本屬性、以及文字節(jié)點(diǎn)下的文字內(nèi)容節(jié)點(diǎn)中包含的行或列的平均字間距和首字符坐標(biāo)，確定版式文檔內(nèi)容中每一字符的顯示位置和所需顯示的文本屬性。
[0045]在顯示文檔內(nèi)容時(shí)，將屬于同一文字節(jié)點(diǎn)下的文字內(nèi)容節(jié)點(diǎn)中的字符按照該文字節(jié)點(diǎn)的文本屬性進(jìn)行顯示，并且基于文字內(nèi)容節(jié)點(diǎn)中保存的第一個(gè)字符的坐標(biāo)和字間距可推算出其余字符的位置，從而可正確顯示文檔內(nèi)容。
[0046]圖3示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的版式文檔內(nèi)容描述優(yōu)化方法的流程圖。
[0047]如圖3所示，根據(jù)本發(fā)明的實(shí)施例的版式文檔內(nèi)容描述優(yōu)化方法，可以包括以下步驟:
[0048]步驟302，解析原始版式文檔內(nèi)容，得到文本圖元數(shù)據(jù)；步驟304，識(shí)別出文本圖元數(shù)據(jù)中每一字符的文本屬性，并按照文本屬性對(duì)文本圖元數(shù)據(jù)中的字符進(jìn)行歸類，將具有相同文本屬性的字符與相同文本屬性保存至同一個(gè)文字節(jié)點(diǎn)；步驟306，針對(duì)每一文字節(jié)點(diǎn)中保存的字符，將屬于同一行或同一列的字符、同一行或同一列的起始字符的坐標(biāo)、同一行或同一列的平均字間距保存至文字內(nèi)容節(jié)點(diǎn)，以得到優(yōu)化后的版式文檔內(nèi)容，其中，文字內(nèi)容節(jié)點(diǎn)是位于文字節(jié)點(diǎn)下的且與同一行或同一列對(duì)應(yīng)的文字內(nèi)容節(jié)點(diǎn)。
[0049]將具有相同文本屬性的字符保存在同一個(gè)文字節(jié)點(diǎn)中，同時(shí)在該文字節(jié)點(diǎn)中保存相應(yīng)的文本屬性；將文本屬性相同，并且處于同一行(列)的字符保存在同一個(gè)文字內(nèi)容節(jié)點(diǎn)中，使用起始字符坐標(biāo)和字間距結(jié)合的方式來(lái)表示多個(gè)文字的版式位置信息，從而使得版式文檔對(duì)于文本內(nèi)容的描述方式進(jìn)行簡(jiǎn)化，減少文本描述數(shù)據(jù)的冗余，減小版式文檔的體積。
[0050]在所述步驟304中，字符的歸類方法可以包括:針對(duì)文本圖元數(shù)據(jù)中每一行或每一列的字符，判斷當(dāng)前字符的文本屬性與相鄰字符的文本屬性是否相同；在判斷結(jié)果為相同時(shí)，將當(dāng)前字符保存至與相鄰字符相對(duì)應(yīng)的文字節(jié)點(diǎn)中。
[0051]在建立文字節(jié)點(diǎn)時(shí)，逐一判定文本圖元數(shù)據(jù)中的字符屬于哪種文本屬性，將具有相同文本屬性的字符歸類放在一個(gè)文字節(jié)點(diǎn)中，如果文本屬性有8種，則相對(duì)于該文本圖元數(shù)據(jù)的文字節(jié)點(diǎn)為8個(gè)。
[0052]在上述技術(shù)方案中，優(yōu)選的，在判斷結(jié)果為不相同時(shí)，新建文字節(jié)點(diǎn)，將當(dāng)前字符保存至新建的文字節(jié)點(diǎn)。
[0053]在所述步驟306中，文字內(nèi)容節(jié)點(diǎn)的生成方法包括:針對(duì)每一文字節(jié)點(diǎn)中的字符，緩存屬于同一行或同一列的字符；計(jì)算同一行或同一列的字符之間的平均字間距和實(shí)際字間距；將連續(xù)確定的實(shí)際字間距與平均字間距之間的差值連續(xù)小于等于預(yù)設(shè)值的字符加入至文字內(nèi)容節(jié)點(diǎn)，并將第一個(gè)加入文字內(nèi)容節(jié)點(diǎn)中的字符的坐標(biāo)保存至文字內(nèi)容節(jié)點(diǎn)；將實(shí)際字間距與平均字間距之間的差值大于預(yù)設(shè)值的字符加入至新建的且與同一行或同一列對(duì)應(yīng)的文字內(nèi)容節(jié)點(diǎn)。
[0054]在建立好文字節(jié)點(diǎn)后，針對(duì)每一文字節(jié)點(diǎn)，進(jìn)行文字內(nèi)容節(jié)點(diǎn)歸類。在進(jìn)行文字內(nèi)容節(jié)點(diǎn)歸類時(shí)，首先分析該文字節(jié)點(diǎn)中屬于同一行或同一列的字符，計(jì)算出該行或該列的平均字間距，將該行或該列中的實(shí)際字間距接近或等于平均字間距的字符加入至與該行或該列對(duì)應(yīng)的文字內(nèi)容節(jié)點(diǎn)中，并將該行或該列中的其余字符加入至新建的文字內(nèi)容節(jié)點(diǎn)中。這樣，針對(duì)每個(gè)文字節(jié)點(diǎn)，根據(jù)字符間距情況將該文字節(jié)點(diǎn)中的字符歸納至一個(gè)或多個(gè)文字內(nèi)容節(jié)點(diǎn)中，并且每個(gè)文字內(nèi)容節(jié)點(diǎn)中需保存第一個(gè)字符的坐標(biāo)和字間距。這樣就可以確定每一個(gè)文字內(nèi)容節(jié)點(diǎn)中每一個(gè)字符的坐標(biāo)位置，而無(wú)需保存每一個(gè)字符的文本屬性和坐標(biāo)位置，大大減少了冗余信息，從而減小了文本體積。
[0055]在上述任一技術(shù)方案中，優(yōu)選的，文本屬性包括字體名稱、字符大小和/或字符顏色。
[0056]在上述任一技術(shù)方案中，優(yōu)選的，在顯示進(jìn)行優(yōu)化后的版式文檔內(nèi)容時(shí)，基于文字節(jié)點(diǎn)的文本屬性、以及文字節(jié)點(diǎn)下的文字內(nèi)容節(jié)點(diǎn)中包含的行或列的平均字間距和首字符坐標(biāo)，確定版式文檔內(nèi)容中每一字符的顯示位置和所需顯示的文本屬性。
[0057]在顯示文檔內(nèi)容時(shí)，將屬于同一文字節(jié)點(diǎn)下的文字內(nèi)容節(jié)點(diǎn)中的字符按照該文字節(jié)點(diǎn)的文本屬性進(jìn)行顯示，并且基于文字內(nèi)容節(jié)點(diǎn)中保存的第一個(gè)字符的坐標(biāo)和字間距可推算出其余字符的位置，從而可正確顯示文檔內(nèi)容。
[0058]下面結(jié)合圖4至圖7進(jìn)一步說(shuō)明根據(jù)本發(fā)明的版式文檔內(nèi)容描述優(yōu)化方法。圖4示出了根據(jù)本發(fā)明的另一實(shí)施例的版式文檔內(nèi)容描述優(yōu)化方法的流程圖。
[0059]如圖4所示，步驟402，利用解析引擎對(duì)原始文檔進(jìn)行解析。步驟404，獲取原始文檔圖元數(shù)據(jù)。
[0060]步驟406，判斷該原始文檔圖元數(shù)據(jù)是否是文本，如果是，則進(jìn)入步驟408，否則進(jìn)入步驟414，依據(jù)圖元類型進(jìn)行相應(yīng)處理。
[0061]步驟408，緩存文本屬性相同的文字，文本屬性包括:字體名稱、字號(hào)大小、字體顏色等。具體方法是:比較文本圖元的字體、字號(hào)、文字顏色等屬性是否相同，如果相同，則這些文字保存在同一個(gè)文字節(jié)點(diǎn)中；如果不滿足以上條件，則保存在不同的文字節(jié)點(diǎn)中，參考圖5。
[0062]步驟410，緩存可以保存在同一個(gè)文字節(jié)點(diǎn)中的文字。具體方法是:從文本屬性相同的文字中，緩存位于同一行(列)的文字，計(jì)算緩存文字的平均字間距和實(shí)際字間距，以平均字間距作為比較基準(zhǔn)，將字符的實(shí)際字間距與平均字間距進(jìn)行比較，如果誤差在可接受范圍內(nèi)，則可將這些文字保存在同一個(gè)文字內(nèi)容節(jié)點(diǎn)中；如果不滿足以上條件，則保存在不同的文字內(nèi)容節(jié)點(diǎn)中，參考圖6。
[0063]步驟412，最后，在版式文檔中，輸出文字節(jié)點(diǎn)和文字內(nèi)容節(jié)點(diǎn)。
[0064]圖5示出了根據(jù)本發(fā)明的實(shí)施例的根據(jù)文本屬性進(jìn)行字符歸類的流程圖。
[0065]如圖5所示，步驟502，獲取一緩存行或一緩存列中的某個(gè)字符。步驟504，判斷當(dāng)前獲取到的該字符與前一字符的字體是否相同，若相同，則進(jìn)入步驟506，若不相同，則進(jìn)入步驟512。步驟506，判斷當(dāng)前獲取到的該字符與前一字符的字號(hào)是否相等，若相同，則進(jìn)入步驟508，緩存該文本圖元；若不相同，則進(jìn)入所述步驟512，新建一個(gè)文字節(jié)點(diǎn)。
[0066]步驟510，判斷當(dāng)前獲取到的該字符與前一字符的文字顏色是否相同，若相同，則進(jìn)入步驟516，若不相同，則進(jìn)入步驟514，開(kāi)始新文字節(jié)點(diǎn)的數(shù)據(jù)的緩存。
[0067]步驟516，將當(dāng)前字符加入到當(dāng)前文字節(jié)點(diǎn)的緩存字符中。
[0068]在步驟518，判斷是否是最后一個(gè)緩存行或緩存列，若是，則處理結(jié)束，若否，則回到步驟502。
[0069]圖6示出了根據(jù)本發(fā)明的實(shí)施例的進(jìn)行文字內(nèi)容節(jié)點(diǎn)歸類的流程圖。
[0070]如圖6所示，步驟602，獲取文本屬性相同的緩存數(shù)據(jù)。
[0071]步驟604，判斷該緩存數(shù)據(jù)中的當(dāng)前字符與前一字符是否在同一行或同一列，若是，則進(jìn)入步驟606，若否，則進(jìn)入步驟616，創(chuàng)建新的文字內(nèi)容節(jié)點(diǎn)。
[0072]步驟606，緩存屬于同一行或同一列的文本圖元。
[0073]步驟608，計(jì)算同一行或同一列的緩存文本圖元的平均字間距和實(shí)際字間距。
[0074]在步驟610，判斷實(shí)際字間距與平均字間距是否近似。若判斷結(jié)果為是，則進(jìn)入步驟612，若判斷結(jié)果為否，則進(jìn)入步驟616，創(chuàng)建新的文字內(nèi)容節(jié)點(diǎn)，將當(dāng)前字符加入到新的文字內(nèi)容節(jié)點(diǎn)的緩存字符中。
[0075]步驟612，將當(dāng)前字符加入到當(dāng)前文字內(nèi)容節(jié)點(diǎn)的緩存字符中。
[0076]步驟614，判斷當(dāng)前字符是否是最后一個(gè)字符，若是，則處理結(jié)束，若否，則回到步驟 602。
[0077]圖7示出了根據(jù)本發(fā)明的實(shí)施例的版式文檔內(nèi)容的保存方法流程圖。
[0078]如圖7所示，步驟702，首先獲取經(jīng)處理已緩存的文本圖元數(shù)據(jù)。
[0079]步驟704，判斷文本圖元數(shù)據(jù)中的文本是否可以屬于同一個(gè)文字節(jié)點(diǎn)，即判斷文本圖元數(shù)據(jù)中字符的文本屬性是否相同。若相同，則進(jìn)入步驟706 ;否則，進(jìn)入步驟716，新建文字節(jié)點(diǎn)，然后進(jìn)入步驟718，在該新建的文字節(jié)點(diǎn)中保存與該文字節(jié)點(diǎn)對(duì)應(yīng)的文本屬性，文本屬性包括:字體名稱、字號(hào)。
[0080]步驟706，判斷文本是否屬于同一個(gè)文字內(nèi)容節(jié)點(diǎn)(以一緩存行或一緩存列的平均字間距為基準(zhǔn)進(jìn)行判斷)，即在文字節(jié)點(diǎn)中為屬于同一個(gè)文字內(nèi)容節(jié)點(diǎn)的文字創(chuàng)建文字內(nèi)容節(jié)點(diǎn)，若是，則進(jìn)入步驟708 ;若否，則進(jìn)入步驟720，新建文字內(nèi)容節(jié)點(diǎn)，然后進(jìn)入步驟708，保存文字內(nèi)容節(jié)點(diǎn)中第一個(gè)字符的坐標(biāo)位置，以該字符的坐標(biāo)作為該文字內(nèi)容節(jié)點(diǎn)的起始坐標(biāo)，并且保存字間距信息，以緩存的同一行/列字符的平均字間距為字間距，最后保存字符的編碼。步驟712，將緩存數(shù)據(jù)寫入文字內(nèi)容節(jié)點(diǎn)中。
[0081]步驟714，判斷緩存數(shù)據(jù)是否保存完畢，若是，則結(jié)束該處理過(guò)程，若否，則回到步驟 702。
[0082]以上結(jié)合附圖詳細(xì)說(shuō)明了根據(jù)本發(fā)明的技術(shù)方案，在相關(guān)版式文檔中，對(duì)于文本內(nèi)容的描述存在大量的冗余信息，對(duì)于每個(gè)字符都要保存坐標(biāo)以及眾多的文字信息，從而使得版式文檔中存在大量冗余數(shù)據(jù)，文檔體積增大，為了解決該技術(shù)問(wèn)題，本發(fā)明提出了一種版式文檔內(nèi)容描述優(yōu)化方法。通過(guò)該方法，將具有相同文本屬性的字符保存在同一個(gè)文字節(jié)點(diǎn)中，同時(shí)在文字節(jié)點(diǎn)中保存文本屬性；將文本屬性相同，并且處于同一行(或同一列)的字符保存在同一個(gè)文字內(nèi)容節(jié)點(diǎn)中，使用起始字符坐標(biāo)和字間距結(jié)合的方式來(lái)表示多個(gè)文字的版式位置信息，從而簡(jiǎn)化了版式文檔對(duì)于文本內(nèi)容的描述方式，減少文本描述數(shù)據(jù)的冗余，減小版式文檔的體積。
[0083]以上所述僅為本發(fā)明的優(yōu)選實(shí)施例而已，并不用于限制本發(fā)明，對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō)，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【權(quán)利要求】
1.一種版式文檔內(nèi)容描述優(yōu)化裝置，其特征在于，包括: 解析單元，用于解析原始版式文檔內(nèi)容，得到文本圖元數(shù)據(jù)； 識(shí)別單元，用于識(shí)別出所述文本圖元數(shù)據(jù)中每一字符的文本屬性； 文字節(jié)點(diǎn)歸類單元，用于按照所述文本屬性對(duì)所述文本圖元數(shù)據(jù)中的字符進(jìn)行歸類，將具有相同文本屬性的字符與所述相同文本屬性保存至同一個(gè)文字節(jié)點(diǎn)； 文字內(nèi)容節(jié)點(diǎn)歸類單元，用于針對(duì)每一所述文字節(jié)點(diǎn)中保存的字符，將屬于同一行或同一列的字符、所述同一行或所述同一列的起始字符的坐標(biāo)、所述同一行或所述同一列的平均字間距保存至文字內(nèi)容節(jié)點(diǎn)，以得到優(yōu)化后的版式文檔內(nèi)容， 其中，所述文字內(nèi)容節(jié)點(diǎn)是位于所述文字節(jié)點(diǎn)下的且與所述同一行或所述同一列對(duì)應(yīng)的文字內(nèi)容節(jié)點(diǎn)。
2.根據(jù)權(quán)利要求1所述的版式文檔內(nèi)容描述優(yōu)化裝置，其特征在于，所述文字節(jié)點(diǎn)歸類單元包括: 第一判斷子單元，用于針對(duì)所述文本圖元數(shù)據(jù)中每一行或每一列的字符，判斷當(dāng)前字符的文本屬性與相鄰字符的文本屬性是否相同，所述文字節(jié)點(diǎn)歸類單元在所述第一判斷子單元的判斷結(jié)果為相同時(shí)，將所述當(dāng)前字符保存至與所述相鄰字符相對(duì)應(yīng)的文字節(jié)點(diǎn)中。
3.根據(jù)權(quán)利要求2所述的版式文檔內(nèi)容描述優(yōu)化裝置，其特征在于，所述文字節(jié)點(diǎn)歸類單元還包括: 第一創(chuàng)建子單元，在所述判斷結(jié)果為不相同時(shí)，新建文字節(jié)點(diǎn)，將所述當(dāng)前字符保存至新建的文字節(jié)點(diǎn)。
4.根據(jù)權(quán)利要求1所述的版式文檔內(nèi)容描述優(yōu)化裝置，其特征在于，所述文字內(nèi)容節(jié)點(diǎn)歸類單元包括: 計(jì)算子單元，用于針對(duì)每一所述文字節(jié)點(diǎn)中的字符，緩存屬于同一行或同一列的字符，計(jì)算所述同一行或同一列的字符之間的所述平均字間距和實(shí)際字間距； 第二判斷子單元，用于將連續(xù)確定的實(shí)際字間距與所述平均字間距之間的差值連續(xù)小于等于預(yù)設(shè)值的字符加入至所述文字內(nèi)容節(jié)點(diǎn)，并將所述平均字間距和第一個(gè)加入所述文字內(nèi)容節(jié)點(diǎn)中的字符的坐標(biāo)保存至所述文字內(nèi)容節(jié)點(diǎn)； 第二創(chuàng)建子單元，用于將實(shí)際字間距與所述平均字間距之間的差值大于預(yù)設(shè)值的字符加入至新建的且與所述同一行或同一列對(duì)應(yīng)的文字內(nèi)容節(jié)點(diǎn)。
5.根據(jù)權(quán)利要求1至4中任一項(xiàng)所述的版式文檔內(nèi)容描述優(yōu)化裝置，其特征在于，所述文本屬性包括字體名稱、字符大小和/或字符顏色。
6.一種終端，其特征在于，包括如權(quán)利要求1至5中任一項(xiàng)所述的版式文檔內(nèi)容描述優(yōu)化裝置，還包括: 顯示單元，在顯示經(jīng)過(guò)所述版式文檔內(nèi)容描述優(yōu)化裝置優(yōu)化后的版式文檔內(nèi)容時(shí)，基于文字節(jié)點(diǎn)的文本屬性、以及所述文字節(jié)點(diǎn)下的文字內(nèi)容節(jié)點(diǎn)中包含的行或列的平均字間距和首字符坐標(biāo)，確定所述版式文檔內(nèi)容中每一字符的顯示位置和所需顯示的文本屬性。
7.一種版式文檔內(nèi)容描述優(yōu)化方法，其特征在于，包括: 解析原始版式文檔內(nèi)容，得到文本圖元數(shù)據(jù)； 識(shí)別出所述文本圖元數(shù)據(jù)中每一字符的文本屬性，并按照所述文本屬性對(duì)所述文本圖元數(shù)據(jù)中的字符進(jìn)行歸類，將具有相同文本屬性的字符與所述相同文本屬性保存至同一個(gè)文字節(jié)點(diǎn)； 針對(duì)每一所述文字節(jié)點(diǎn)中保存的字符,將屬于同一行或同一列的字符、所述同一行或所述同一列的起始字符的坐標(biāo)、所述同一行或所述同一列的平均字間距保存至文字內(nèi)容節(jié)點(diǎn)，以得到優(yōu)化后的版式文檔內(nèi)容， 其中，所述文字內(nèi)容節(jié)點(diǎn)是位于所述文字節(jié)點(diǎn)下的且與所述同一行或所述同一列對(duì)應(yīng)的文字內(nèi)容節(jié)點(diǎn)。
8.根據(jù)權(quán)利要求7所述的版式文檔內(nèi)容描述優(yōu)化方法，其特征在于，所述字符的歸類方法包括: 針對(duì)所述文本圖元數(shù)據(jù)中每一行或每一列的字符，判斷當(dāng)前字符的文本屬性與相鄰字符的文本屬性是否相同； 在判斷結(jié)果為相同時(shí)，將所述當(dāng)前字符保存至與所述相鄰字符相對(duì)應(yīng)的文字節(jié)點(diǎn)中。
9.根據(jù)權(quán)利要求8所述的版式文檔內(nèi)容描述優(yōu)化方法，其特征在于，在所述判斷結(jié)果為不相同時(shí)，新建文字節(jié)點(diǎn)，將所述當(dāng)前字符保存至新建的文字節(jié)點(diǎn)。
10.根據(jù)權(quán)利要求7所述的版式文檔內(nèi)容描述優(yōu)化方法，其特征在于，所述文字內(nèi)容節(jié)點(diǎn)的生成方法包括: 針對(duì)每一所述文字節(jié)點(diǎn)中的字符,緩存屬于同一行或同一列的字符； 計(jì)算所述同一行或同一列的字符之間的所述平均字間距和實(shí)際字間距； 將連續(xù)確定的實(shí)際字間距與所述平均字間距之間的差值連續(xù)小于等于預(yù)設(shè)值的字符加入至所述文字內(nèi)容節(jié)點(diǎn)，并將所述平均字間距和第一個(gè)加入所述文字內(nèi)容節(jié)點(diǎn)中的字符的坐標(biāo)保存至所述文字內(nèi)容節(jié)點(diǎn)； 將實(shí)際字間距與所述平均字間距之間的差值大于預(yù)設(shè)值的字符加入至新建的且與所述同一行或同一列對(duì)應(yīng)的文字內(nèi)容節(jié)點(diǎn)。
11.根據(jù)權(quán)利要求7至10中任一項(xiàng)所述的版式文檔內(nèi)容描述優(yōu)化方法，其特征在于，所述文本屬性包括字體名稱、字符大小和/或字符顏色。
12.根據(jù)權(quán)利要求7至10中任一項(xiàng)所述的版式文檔內(nèi)容描述優(yōu)化方法，其特征在于，在顯示進(jìn)行優(yōu)化后的版式文檔內(nèi)容時(shí)，基于所述文字節(jié)點(diǎn)的文本屬性、以及所述文字節(jié)點(diǎn)下的文字內(nèi)容節(jié)點(diǎn)中包含的行或列的平均字間距和首字符坐標(biāo)，確定所述版式文檔內(nèi)容中每一字符的顯示位置和所需顯示的文本屬性。
【文檔編號(hào)】G06F17/30GK104182396SQ201310190313
【公開(kāi)日】2014年12月3日 申請(qǐng)日期:2013年5月21日 優(yōu)先權(quán)日:2013年5月21日
【發(fā)明者】邢國(guó)峰, 王長(zhǎng)勝 申請(qǐng)人:北大方正集團(tuán)有限公司, 北京方正阿帕比技術(shù)有限公司