[發(fā)明專利]基于電子書的排版處理方法、電子設備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010972636.8
• 申請日: 2020-09-16
• 公開（公告）號: CN112100978B
• 公開（公告）日: 2022-07-08
• 發(fā)明（設計）人: 張恒
• 申請（專利權(quán)）人: 掌閱科技股份有限公司
• 主分類號: G06F40/106
• 分類號: G06F40/106;G06F40/189;G06T11/60
• 代理公司: 北京市浩天知識產(chǎn)權(quán)代理事務所(普通合伙) 11276
• 代理人: 劉蘭蘭

1.一種基于電子書的排版處理方法，包括：

獲取針對電子書的原始頁面內(nèi)容進行解析后得到的頁面元素，識別所述頁面元素中包含的多個路徑類元素；

根據(jù)所述多個路徑類元素在所述原始頁面內(nèi)容中的位置信息，對所述多個路徑類元素進行分組處理，得到元素分組集合；

根據(jù)多個路徑類元素之間的編輯次序?qū)Ψ纸M結(jié)果進行校驗，若同一個元素分組集合中的兩個路徑類元素之間的編輯次序間隔大于預設值，從元素分組集合中剔除編輯次序異常的路徑類元素；

將與所述元素分組集合中的各個路徑類元素的位置相匹配的區(qū)域確定為候選區(qū)域；識別所述候選區(qū)域中不屬于圖片主體的頁面元素，根據(jù)識別結(jié)果確定圖片區(qū)域；

其中，識別所述候選區(qū)域中不屬于圖片主體的頁面元素，根據(jù)識別結(jié)果確定所述圖片區(qū)域的步驟包括：

根據(jù)所述候選區(qū)域中包含的各個頁面元素在所述原始頁面內(nèi)容中的編輯次序，識別所述候選區(qū)域中不屬于圖片主體的頁面元素；其中，所述編輯次序是指各個頁面元素在原始頁面內(nèi)容中的獲取順序；

根據(jù)不屬于圖片主體的頁面元素，調(diào)整所述候選區(qū)域的區(qū)域范圍，根據(jù)調(diào)整后的候選區(qū)域的區(qū)域范圍確定所述圖片區(qū)域；

針對所述圖片區(qū)域執(zhí)行截圖處理，得到與所述圖片區(qū)域相對應的截圖圖片；

根據(jù)所述截圖圖片生成與所述原始頁面內(nèi)容相對應的頁面排版內(nèi)容。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述根據(jù)所述多個路徑類元素在所述原始頁面內(nèi)容中的位置信息，對所述多個路徑類元素進行分組處理，得到元素分組集合包括：

根據(jù)所述位置信息，判斷是否存在相互交疊的至少兩個路徑類元素；

若是，將所述存在相互交疊的至少兩個路徑類元素劃分為一個元素分組集合；其中，所述相互交疊包括：直接交疊和/或間接交疊。

3.根據(jù)權(quán)利要求1所述的方法，其中，所述根據(jù)所述多個路徑類元素在所述原始頁面內(nèi)容中的位置信息，對所述多個路徑類元素進行分組處理，得到元素分組集合包括：

根據(jù)所述位置信息，將位置間隔小于預設間隔閾值的至少兩個路徑類元素劃分為一個元素分組集合。

4.根據(jù)權(quán)利要求1所述的方法，其中，所述根據(jù)所述候選區(qū)域中包含的各個頁面元素在所述原始頁面內(nèi)容中的編輯次序，識別所述候選區(qū)域中不屬于圖片主體的頁面元素包括：

針對所述候選區(qū)域中包含的各個頁面元素的編輯次序進行排序，判斷次序相鄰的兩個頁面元素之間的次序間隔是否大于預設次序閾值；

若是，將該次序相鄰的兩個頁面元素中的至少一個頁面元素識別為不屬于圖片主體的頁面元素。

5.根據(jù)權(quán)利要求1-4任一所述的方法，其中，所述識別所述候選區(qū)域中不屬于圖片主體的頁面元素，根據(jù)識別結(jié)果確定所述圖片區(qū)域還包括：

判斷所述候選區(qū)域內(nèi)是否包含正文文本；若是，將與所述正文文本相對應的頁面元素識別為不屬于圖片主體的頁面元素；

根據(jù)不屬于圖片主體的頁面元素，調(diào)整所述候選區(qū)域的區(qū)域范圍，根據(jù)調(diào)整后的候選區(qū)域的區(qū)域范圍確定所述圖片區(qū)域。

6.根據(jù)權(quán)利要求1-4任一所述的方法，其中，所述識別所述候選區(qū)域中不屬于圖片主體的頁面元素，根據(jù)識別結(jié)果確定所述圖片區(qū)域還包括：

判斷所述候選區(qū)域的鄰近區(qū)域內(nèi)是否包含與圖片主體相關聯(lián)的文本類元素；

若是，擴充所述候選區(qū)域的區(qū)域范圍，以使擴充后的候選區(qū)域包含所述與圖片主體相關聯(lián)的文本類元素；

根據(jù)擴充后的候選區(qū)域確定所述圖片區(qū)域。

7.根據(jù)權(quán)利要求6所述的方法，其中，所述判斷所述候選區(qū)域的鄰近區(qū)域內(nèi)是否包含與圖片主體相關聯(lián)的文本類元素包括：

獲取所述候選區(qū)域的鄰近區(qū)域內(nèi)包含的文本類元素；

根據(jù)所述文本類元素的元素屬性是否為正文類元素，和/或，根據(jù)所述文本類元素與所述候選區(qū)域內(nèi)相鄰的頁面元素之間的間隔，判斷所述候選區(qū)域的鄰近區(qū)域內(nèi)包含的文本類元素是否為與圖片主體相關聯(lián)的文本類元素。