[發(fā)明專利]拆分文檔的方法和裝置

有效

• 申請?zhí)枺?/td>: 201110168241.3
• 申請日: 2011-06-21
• 公開（公告）號: CN102841886A
• 公開（公告）日: 2012-12-26
• 發(fā)明（設(shè)計）人: 岳永強
• 申請（專利權(quán)）人: 北大方正集團有限公司;北京北大方正電子有限公司
• 主分類號: G06F17/25
• 分類號: G06F17/25;G06F17/30
• 代理公司: 北京英賽嘉華知識產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達佐

技術(shù)領(lǐng)域

本發(fā)明涉及印刷領(lǐng)域，具體而言，涉及一種拆分文檔的方法和裝置。

背景技術(shù)

圖書通常由主書名頁、文前輔文、正文、文中輔文和文后輔文這幾個部分組成。其中，正文由篇、章和節(jié)組成。通過對圖書數(shù)字化處理，可將圖書以電子文檔的形式保存。

在圖書出版前，需要對圖書進行編纂。由于圖書是由多個部分組成，在編纂過程中，可將各個部分由不同的作者編纂。例如，將含有一本圖書內(nèi)容的文檔進行拆分，拆分為三個文檔，再將三個文檔交給三個不同的作者處理，如審校、修改或排版等。

目前對文檔進行拆分的過程，采用人工的方式進行拆分。這種拆分方式存在效率低、時間長的問題，影響了圖書的出版時間。

發(fā)明內(nèi)容

本發(fā)明旨在提供一種拆分文檔的方法和裝置，以解決上述人工拆分文檔效率低、時間長的問題。

在本發(fā)明的實施例中，提供了一種拆分文檔的方法，包括：解析出原始文檔的xml格式的內(nèi)容文件和段落樣式文件；在所述內(nèi)容文件中，查找應(yīng)用所述段落樣式文件中的每個段落樣式的段落位置；將所述查找到的各個段落位置處的段落內(nèi)容分別輸出到不同的新文檔中。

在本發(fā)明的實施例中，提供了一種拆分文檔的裝置，包括：解析模塊，用于解析出原始文檔的xml格式的內(nèi)容文件和段落樣式文件；查找模塊，用于在所述內(nèi)容文件中，查找應(yīng)用所述段落樣式文件中的每個段落樣式的段落位置；拆分模塊，用于將所述查找到的各個段落位置處的段落內(nèi)容分別輸出到不同的新文檔中。

本發(fā)明的實施例通過解析原始文檔的內(nèi)容文件和段落樣式文件，通過段落樣式文件中段落樣式對內(nèi)容文件中的內(nèi)容進行拆分，提取出的內(nèi)容存儲到新的文檔中。所以克服了人工直接從文檔中提取內(nèi)容，拆分成新的文檔效率較低的問題，達到了高效、快捷的效果。

附圖說明

此處所說明的附圖用來提供對本發(fā)明的進一步理解，構(gòu)成本申請的一部分，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。在附圖中：

圖1示出了本發(fā)明實施例一的流程圖；

圖2示出了本發(fā)明實施例二的流程圖；

圖3示出了本發(fā)明實施例中所顯示的內(nèi)容文件的屏幕截圖；

圖4示出了本發(fā)明實施例中所顯示的段落樣式文件的屏幕截圖；

圖5示出了本發(fā)明實施例三的流程圖；

圖6示出了本發(fā)明實施例中所顯示的實例文件的屏幕截圖；

圖7示出了本發(fā)明實施例中所顯示的大綱文件的屏幕截圖；

圖8示出了本發(fā)明實施例四的裝置結(jié)構(gòu)框圖。

具體實施方式

下面將參考附圖并結(jié)合實施例，來詳細說明本發(fā)明。參見圖1，實施例一包括以下步驟：

步驟S11：解析出原始文檔的xml格式的內(nèi)容文件和段落樣式文件。

原始文檔是由多個文件組成，至少包括記錄原始文檔中存儲的字數(shù)數(shù)據(jù)的xml格式的內(nèi)容文件，規(guī)定字符數(shù)據(jù)顯示的段落結(jié)構(gòu)樣式存儲在xml格式的段落樣式文件中。如word格式的文檔，通過壓縮/解壓算法，可提取出xml格式的內(nèi)容文件和段落樣式文件。

步驟S12：在所述內(nèi)容文件中，查找應(yīng)用所述段落樣式文件中的每個段落樣式的段落位置。

步驟S13：將所述查找到的各個段落位置處的段落內(nèi)容分別輸出到不同的新文檔中。

通過在內(nèi)容文件中按照各個段落樣式查找的段落位置，將原始文檔分為各個不同的新的文檔。由于不同的段落樣式體現(xiàn)了文檔的結(jié)構(gòu)，通過段落樣式拆分文檔，可將原始文檔規(guī)范的拆分為多個文檔，且處理時間短，效率高。

各個不同的新文檔采用不同的段落樣式結(jié)構(gòu)，以便于后續(xù)的處理、編纂。

在內(nèi)容文件中查找段落樣式文件中的各個段落樣式、以及輸出文檔的過程，可有多種不同的方式，下面給出優(yōu)選的方式并通過實施例二說明，參見圖2，包括以下步驟：

S21：解析出原始文檔的xml格式的內(nèi)容文件和段落樣式文件。

S22：在所述內(nèi)容文件中遍歷所述段落樣式文件中的每個段落樣式所對應(yīng)的段落樣式ID。

內(nèi)容文件存在的段落樣式ID與段落樣式文件中的段落樣式具有對應(yīng)關(guān)系。

參見圖3、圖4所示的內(nèi)容文件、段落樣式文件的屏幕截圖，圖3中所示的ID為<w：P?style?w：val＝“1”/>，說明段落樣式ID為“1”，該段落樣式ID對應(yīng)圖4中的段落樣式名稱為“章標題”的段落樣式。參見圖4的屏幕截圖上所示的命令參數(shù)：

<w：style?w：type??＝“paragraph”w：styleid＝“1”/>，