[发明专利]一种PDF文档到DWG文档转换的方法

说明书

技术领域

本发明是一种信息转换方法，属于信息技术类，确切地说，它包括规则生成模块、自动抽取模块的信息抽取系统的方法。 

背景技术

随着web技术的发展，越来越多的信息呈现在用户面前。如何对海量的信息资源进行处理，是电子文档管理工作的一项重要内容。为了实现对网络资源的有效开发利用，需要进行信息的分类、检索等操作。所有对信息处理的操作都应该涉及到对文档信息的抽取。文档信息抽取是指从文档中抽取指定的一类信息，并将其形成可编辑化的文档。 

发明内容

本发明的目的在于发明一种信息转换方法。 

本发明是这样实现的：所述方法包含以下步骤： 

步骤一：利用规则生成模块，针对PDF源文档的内容，用户可根据实际情况进行相应的设置；通过文档解析器(print2cad)读取PDF源文档的内容，并将其转换为规则的DWG文档； 

步骤二：利用自动抽取模块接受规则的DWG文档，得到满足目标并且具有编辑功能的DWG文档。 

本发明可以对转换后的DWG文件做进一步的操作，从而提高文档自动分类和用户编辑图纸的效率。 

附图说明

图1为本发明的系统总体框架图： 

图2为本发明的系统流程图： 

图3为样例PDF文档片段； 

图4为样例目标DWG文档； 

图中：1为PDF源文档；2为规则生成模块；3规则的DWG文档；4为自动抽取模块；5为目标并且具有编辑功能的DWG文档；6为文档解析器；7为PDF文档库。 

以下将结合实施例对本发明进行进一步的描述： 

具体实施方式

一、模块的具体设计和实现 

1、规则生成模块： 

规则生成模块2设计是针对PDF源文档1的内容，用户可根据实际情况进行相应的设置；通过文档解析器(print2cad)6读取PDF源文档的内容，并将其转换为规则的DWG文档3。 

本模块的实现有两个关键点： 

(一)规则的DWG文档的结构的定义。 

对规则的DWG文档结构设计的要求如下：一是它能够描述源文档的格式特征和图形信息，这是自动抽取模块4规则匹配的依据；二是PDF文档到规则的DWG文档的转换最好能够较为容易地进行。 

(二)使用PDF文档的解析器(print2cad)，生成满足上述要求的目标并且具有编辑功能的DWG文档。 

PDF文档解析器(print2cad)6能够将PDF文档转换为规则DWG文档。它们转换后生成的DWG文档基本上都是具有编辑功能的DWG文文件，其中生成的规则的DWG文件中包含了PDF源文档1中大量的图形信息。 

2、自动抽取模块： 

自动抽取模块4需要做的工作是执行抽取规则DWG文档3。本系统使用Acme CAD Conyerter作为DWG文档执行引擎，由于执行引擎完全支持DWG转换接口，所以它们可以任意替代而不影响应用程序代码。 

二、信息抽取系统运行过程 

步骤一：针对PDF源文档1的内容，用户可根据实际情况进行相应的设置；通过文档解析器(print2cad)6读取PDF源文档的内容，并将其转换为规则的DWG文档3。规则的DWG文档3是自动抽取模块4输入项。 

步骤二：接受规则的DWG文档3，得到满足目标并且具有编辑功能的DWG文档5，如图4。 

三、系统的特点 

1、规则生成模块2选择DWG格式作为规则DWG文档的信息表现形式，优点表现在以下两个方面： 

(一)可以通过DWG文档可以保存PDF源文档1中大量的图形信息，从而可以利用PDF文档中的显示信息有效地完成基于规则的信息抽取。 

(二)可以利用Acme CAD Converter的标准化工具完成对规则DWG文档的合法性检验和有效性验证，以及利用Acme CAD Conyerter对规则的DWG文档进行解析，而不需要开发专门工具。 

2、在规则生成模块中，选择DWG文件作为抽取规则描述语言。 

DWG文档是二进制格式，可以通过文档解析器(print2cad)转为规则的DWG文档，这样可以很方便的实现数据的读写，同时支持它的工具很多，目前已经获得了包括Acme CAD Conyerter等在内的二十多种工具的支持；Acme CAD Conyerter可以浏览不同版本的DWG文件，支持shx字体文件，xref块文件，和光栅文件的导入，支持创建对dwg和dxf文件的关联。完美的支持CAD图形中文字体的显示，易于编辑和修改，而且具有良好的扩展性。