[發(fā)明專利]一種打印內(nèi)容格式化提取方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910526081.1
• 申請(qǐng)日: 2019-06-18
• 公開（公告）號(hào): CN110210455B
• 公開（公告）日: 2022-03-01
• 發(fā)明（設(shè)計(jì)）人: 夏莫戛;張文靜;甘玉濤;樊利紅
• 申請(qǐng)（專利權(quán)）人: 石家莊捷弘科技有限公司
• 主分類號(hào): G06V30/412
• 分類號(hào): G06V30/412
• 代理公司: 北京睿智保誠專利代理事務(wù)所(普通合伙) 11732
• 代理人: 周新楣

1.一種打印內(nèi)容格式化提取方法，其特征在于，包括以下步驟：

S1.將打印文檔的打印內(nèi)容截取轉(zhuǎn)換為打印元素，生成打印元素集；

S2.根據(jù)采樣的打印元素集設(shè)計(jì)提取元素，生成提取模版；

S3.輸入打印元素集和提取模版，利用提取引擎進(jìn)行運(yùn)算，生成格式化提取結(jié)果；

步驟S2中，所述提取模版包括提取模版名稱、多個(gè)提取元素和一組處理腳本；所述提取元素包括容器提取元素；

所述容器提取元素包括表單提取元素；所述表單提取元素中設(shè)置有多個(gè)基礎(chǔ)的文本提取元素，并且所述文本提取元素的坐標(biāo)相對(duì)于它的父容器表單提取元素；

步驟S1的具體實(shí)現(xiàn)方法為：

S1-1.使用格式化虛擬打印機(jī)，將打印文檔轉(zhuǎn)換為EMF文件；

S1-2.解析EMF文件，提取坐標(biāo)和內(nèi)容，生成打印元素文檔；

S1-3.解析每個(gè)打印頁，轉(zhuǎn)換成頁面圖片；

步驟S2的具體實(shí)現(xiàn)方法為：

S2-1.使用打印格式化提取模版設(shè)計(jì)客戶端進(jìn)行處理；

S2-2.導(dǎo)入打印元素集樣本數(shù)據(jù)；

S2-3.在可視化界面的輔助下，用鼠標(biāo)拖拽設(shè)置提取元素，并設(shè)置相關(guān)提取參數(shù)；

S2-4.測(cè)試提取并檢查提取結(jié)果，如果不滿意則重復(fù)步驟S2-2至S2-4，直到多個(gè)同一格式的打印樣本提取結(jié)果都滿意為止；

S2-5.保存打印提取模版，并上傳到打印格式化提取服務(wù)器，綁定打印類型；

步驟S3的具體實(shí)現(xiàn)方法為：

S3-1.將生成的打印元素文檔和頁面圖片上傳到打印格式化提取服務(wù)器；

S3-2.打印格式化提取服務(wù)器根據(jù)上傳的相關(guān)打印類型調(diào)取已經(jīng)設(shè)計(jì)好的打印提取模版；

S3-3.提取引擎根據(jù)已知輸入信息運(yùn)算，自動(dòng)進(jìn)行格式化提取，并將提取結(jié)果保存到數(shù)據(jù)庫中；

步驟S3-3中，提取引擎運(yùn)行步驟為：

S3-3-1.遍歷所有頁面，并將當(dāng)前頁面的打印元素和頁面圖片封裝到一起，作為下面的輸入?yún)?shù)；

S3-3-2.在當(dāng)前頁面遍歷所有的提取元素，進(jìn)行提取運(yùn)算；

提取元素是容器提取元素，則遍歷其所有子提取元素，進(jìn)行提取，并將子提取元素的提取結(jié)果組成隊(duì)列，配合此容器提取元素的關(guān)鍵詞組成鍵值對(duì)返回；

S3-3-3.將所有返回的鍵值對(duì)轉(zhuǎn)換為json格式的格式化提取結(jié)果；

S3-3-4.將格式化提取結(jié)果以參數(shù)的形式傳遞給處理腳本，由處理腳本進(jìn)行二次處理，或原封不動(dòng)的直接返回。