[發(fā)明專利]計算機(jī)純文本字符的提取方法

無效

• 申請?zhí)枺?/td>: 200710122222.0
• 申請日: 2007-09-24
• 公開（公告）號: CN101122897A
• 公開（公告）日: 2008-02-13
• 發(fā)明（設(shè)計）人: 吳建明
• 申請（專利權(quán)）人: 吳建明
• 主分類號: G06F17/22
• 分類號: G06F17/22
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及計算機(jī)純文本字符的提取方法，尤其涉及對使用計算機(jī)編輯并印制紙文件的電子文件的計算機(jī)純文本字符的提取方法。

背景技術(shù)

隨著計算機(jī)技術(shù)的普及使用，人們在大量使用各種格式的電子文件表示思想、意思，同時，也在使用計算機(jī)控制下的各種數(shù)碼印刷機(jī)械(如打印機(jī))同時把這些不同格式的電子文件印制成紙文件，以便保存于交流。

例如，2個企業(yè)在簽署一份經(jīng)濟(jì)合同時，首先在計算機(jī)里起草一份具有文字內(nèi)容的電子文件，雙方同意后，再使用數(shù)碼印刷機(jī)械(如：激光打印機(jī))把這份合同印制到紙張上，雙方分別在紙張文件上蓋章簽字，作為有效信用文件。

人們在相互的思想和意思表示中，需要證明自己的意思表示的真實性，例如，上述合同的蓋章簽字。

在信息時代，大量使用的計算機(jī)電子文件也需要進(jìn)行真實性驗證，從上世紀(jì)九十年代中期開始，國際范圍內(nèi)普遍使用散列函數(shù)與非對稱密鑰體系構(gòu)成的數(shù)字簽名技術(shù)對計算機(jī)電子文件進(jìn)行真實性驗證，為此，各國先后頒布了涉及到對電子文件進(jìn)行數(shù)字簽名認(rèn)證的法律，2005年，我國《電子簽名法》發(fā)布實施，推動了數(shù)字簽名技術(shù)在電子文件真實性驗證中的應(yīng)用。

電子文件是人們思想和意思的計算機(jī)表示方式，由于電子文件具有容易滅失的特點，例如：計算機(jī)病毒破壞，計算機(jī)數(shù)據(jù)存儲介質(zhì)的質(zhì)量差、壽命短，人為損壞等等不可預(yù)見的因素，都容易造成計算機(jī)電子文件的滅失，因此，在很多情況下，需要依靠紙質(zhì)文件記載同一個思想和意思的表示。

計算機(jī)電子文件與使用計算機(jī)控制的數(shù)碼印刷機(jī)械印制的紙質(zhì)文件，都使用人類幾千年形成的語言文字符號供人們閱讀。

計算機(jī)使用代碼表示這些語言文字符號，如：計算機(jī)中使用的十進(jìn)制ASCII字符代碼，十六進(jìn)制的Unicode字符代碼，十六進(jìn)制的國標(biāo)簡體中文字符代碼。

數(shù)字簽名技術(shù)對一份電子文件的真實性認(rèn)證，只是對組成這份電子文件的一系列計算機(jī)字符代碼集合的認(rèn)證。如：“(1)我是中國人”是由7個字符，即“(1)”、“半角空格”、“我是中國人”5個漢字組成，認(rèn)證時，計算機(jī)只要把代表這些字符的計算機(jī)代碼集合即可，即：“(1)”是帶括號字母數(shù)字代碼“A2C5”，“半角空格”代碼“0020”，“我”代碼“CED2”，“是”代碼“CAC7”，“中”代碼“D6D0”，“國”代碼“B9FA”，“人”代碼“C8CB”，集合為“A2C50020CED2CAC7D6D0B9FAC8CB”的16進(jìn)制數(shù)組。

由于計算機(jī)技術(shù)是從英文國家向多語言文字的國家發(fā)展的，在計算機(jī)字符集，就有許多一個意義的視覺字符有多個區(qū)位碼表示的現(xiàn)象，例如：英文字母數(shù)字有半角與全角兩種輸入和表示方式，相對應(yīng)的，也就有2個區(qū)位碼對應(yīng)一個意義的字母數(shù)字；同時，為方便計算機(jī)輸入、提高文字符號錄入速度，在字符輸入法設(shè)計中，也有把多個符號集合為1個符號的處理方法。

檢索國標(biāo)簡體中文字符集，有以下幾類容易混淆的字符代碼：

如：“.”的全角字母數(shù)字代碼是“A3AE”，而“.”半角字母數(shù)字代碼是“002E”。

如：“3.”是“A2B3”一個代碼表示的字符，而“3.”是由“0033”代碼表示的“3”與“002E”代碼表示的“.”2個字符組成的。

如：??“(1)我是中國人”這句話中的“(1)”是一個代碼“A2C5”表示；而“(1)”則可以由3個半角字符“(”、“1”、“)”的代碼“0028?0031?0029”表示。

再如：一份文件中有許多空格，而在計算機(jī)字符集中，空格有“半角空格”與“全角空格”2種形式，分別由代碼“0020”、“A1A1”表示。

在計算機(jī)電子文件中，使用區(qū)位碼可以很容易地區(qū)分這些字符；但是，當(dāng)這些字符通過計算機(jī)控制的數(shù)碼印刷機(jī)械印制到紙張上以后，如同在本文件中所表現(xiàn)的，根據(jù)字符的視覺形態(tài)，是無法辨認(rèn)其計算機(jī)代碼表示方法的。同樣，在一份打印好的紙張文件上，也不能判斷出究竟有多少計算機(jī)空格字符，這些空格字符中有幾個全角空格，幾個半角空格，我們也無法辨別。

“(1)我是中國人”這句話印制在紙張上，如果我們想通過計算機(jī)數(shù)字簽名技術(shù)認(rèn)證紙張上的這句話的真實性，則需要把這句話的字符代碼再輸入到計算機(jī)中，使用散列函數(shù)中運(yùn)算；由于這句話中的“(1)”的計算機(jī)字符表示方法有2種，組成的代碼集合也就有不同的2組：

一組是：“A2C5?0020?CED2?CAC7?D6D0?B9FA?C8CB”，7個代碼；

另一組：“0028?0031?0029?0020?CED2?CAC7?D6D0?B9FA?C8CB”，9個代碼；