[發明專利]版式表格的結構處理方法和系統

有效

• 申請號: 200910084438.1
• 申請日: 2009-05-14
• 公開（公告）號: CN101887413A
• 公開（公告）日: 2010-11-17
• 發明（設計）人: 張磊;仇睿恒;王毅;湯幟
• 申請（專利權）人: 北大方正集團有限公司;北京方正阿帕比技術有限公司;北京大學
• 主分類號: G06F17/24
• 分類號: G06F17/24
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 余剛

1.一種版式表格的結構處理方法，其特征在于，包括：

獲取所述版式表格的圖元內容以及表格邏輯結構信息；

根據所述表格邏輯結構信息，將所述圖元內容劃分為多個表格單元和多個表格線單元；

根據所述表格單元，將所述版式表格的表格底版劃分為多個表格底版單元塊；

建立所述表格單元、所述表格線單元、所述表格底版單元塊之間的映射關系，形成表格流式信息；

根據形成的所述表格流式信息對所述版式表格的結構進行處理。

2.根據權利要求1所述的處理方法，其特征在于，通過以下至少一種方式來獲取所述圖元內容和所述表格邏輯結構信息：

對所述版式表格的源數據內容來源進行解析，直接獲取已存在的所述圖元內容和所述表格邏輯結構信息；

在所述版式表格的基礎上，利用識別算法、智能理解算法來獲取所述圖元內容和所述表格邏輯結構信息；

在所述版式表格的基礎上，通過接收外部添加的信息來獲取所述圖元內容和所述表格邏輯結構信息。

3.根據權利要求1所述的處理方法，其特征在于，根據所述表格邏輯結構信息，將所述圖元內容劃分為多個表格單元和多個表格線單元具體包括：

根據所述表格邏輯結構信息，將所述圖元內容劃分為多個圖元內容組，

其中，每個所述圖元內容組均包括一個表格單元和多個表格線單元。

4.根據權利要求1所述的處理方法，其特征在于，根據所述表格單元，將所述版式表格的表格底版劃分為多個表格底版單元塊包括：

根據所述表格單元，將所述版式表格的表格底版劃分為N行M列的矩形的表格底版單元塊，所述N和M為自然數，

其中，每個所述表格單元均包括整數個所述表格底版單元塊，并且每個所述表格單元包括的表格底版單元塊的集合互不相交。

5.根據權利要求4所述的處理方法，其特征在于，N行的表格底版單元塊的行高不相等，所述M列的表格底版單元塊的列寬不相等。

6.根據權利要求1所述的處理方法，其特征在于，建立所述表格單元、所述表格線單元、所述表格底版單元塊之間的映射關系，形成表格流式信息具體包括：

根據所述表格邏輯結構信息，對所述表格單元、所述表格線單元、所述表格底版單元塊分別編號；

利用所述編號來建立所述表格單元、所述表格線單元、所述表格底版單元塊之間的映射關系；

將所述編號、及所述編號的分組確定為所述表格流式信息。

7.根據權利要求1所述的處理方法，其特征在于，根據形成的所述表格流式信息對所述版式表格的結構進行處理包括以下一種或多種：重排、信息提取、和格式轉換。

8.根據權利要求1所述的處理方法，其特征在于，還包括：采用結構化語言，描述所述表格圖元內容組、所述表格單元組、所述表格線單元組、所述表格底版信息、以及所述映射關系。

9.根據權利要求1所述的處理方法，其特征在于，還包括：

獲取所述版式表格的語義信息；

將所述語義信息賦予所述表格單元。

10.根據權利要求9所述的處理方法，其特征在于，通過以下至少一種方式來獲取所述語義信息：

對所述版式表格的源數據內容來源進行解析，直接獲取已存在的所述語義信息；

在所述版式表格的基礎上，利用識別算法、智能理解算法來獲取所述語義信息；

根據所述表格單元在所述表格底版中的位置信息來獲取所述語義信息。

11.一種版式表格的結構處理系統，其特征在于，包括：

獲取模塊，用于獲取所述版式表格的圖元內容以及表格邏輯結構信息；

圖元內容劃分模塊，用于根據所述表格邏輯結構信息，將所述圖元內容劃分為多個表格單元和多個表格線單元；

表格底版處理模塊，用于根據所述表格單元，將所述版式表格的表格底版劃分為多個表格底版單元塊；

映射模塊，用于建立所述表格單元、所述表格線單元、所述表格底版單元塊之間的映射關系，形成表格流式信息；

處理模塊，根據形成的所述表格流式信息對所述版式表格的結構進行處理。