[发明专利]一种识别文字文档的方法及装置

权利要求书

1.一种识别文字文档的方法，其特征在于，包括：

根据提取的原文档内容识别出版面元素；

将所述版面元素映射到相对应的预置标签；

根据所述预置标签将所述原文档内容进行自定义处理。

2.根据权利要求1所述的识别文字文档的方法，其特征在于，根据提取的原文档内容识别出版面元素之前还包括：

提取原文档的所有内容或部分内容。

3.根据权利要求2所述的识别文字文档的方法，其特征在于，根据提取的原文档内容识别出版面元素具体包括：

根据提取的原文档的所有内容或部分内容对应的属性以确定所述版面元素。

4.根据权利要求3所述的识别文字文档的方法，其特征在于，所述版面元素属于文字属性和版面排版属性。

5.根据权利要求4所述的识别文字文档的方法，其特征在于，根据所述预置标签将所述原文档内容进行自定义处理具体包括：

根据所述预置标签并结合预置展示规则将所述原文档内容进行展示；

和/或

将所述预置标签对应的预置展示规则进行存储。

6.根据权利要求5所述的识别文字文档的方法，其特征在于，根据所述预置标签并结合预置展示规则将所述原文档内容进行展示具体包括：

判断所述版面排版属性是否缺少一个或多个版面元素，若是，则确定与缺少的所述版面元素相对应第一预置展示规则；

确定其余的第二预置展示规则；

根据所述预置标签并结合所述第一预置展示规则和所述第二预置展示规则将所述原文档内容进行展示。

7.一种识别文字文档的装置，其特征在于，包括：

确定单元，用于根据提取的原文档内容识别出复数个版面元素；

映射单元，用于将所述版面元素映射到相对应的预置标签；

自定义处理单元，用于根据所述预置标签将所述原文档内容进行自定义 处理。

8.根据权利要求7所述的识别文字文档的装置，其特征在于，所述识别文字文档的装置还包括：

提取单元，用于提取原文档的所有内容或部分内容。

9.根据权利要求6所述的识别文字文档的装置，其特征在于，所述确定单元，具体用于根据提取的原文档的所有内容或部分内容对应的属性以确定所述版面元素；

所述版面元素属于文字属性和版面排版属性。

10.根据权利要求9所述的识别文字文档的装置，其特征在于，自定义处理单元，包括：展示子单元，具用于根据所述预置标签并结合预置展示规则将所述原文档内容进行展示；

存储子单元，用于将所述预置标签对应的预置展示规则进行存储；

所述展示子单元具体包括：

判断模块，用于判断所述版面排版属性是否缺少一个或多个版面元素，若是，则触发第一确定模块；

所述第一确定模块，用于确定与缺少的所述版面元素相对应第一预置展示规则；

第二确定模块，用于确定其余的第二预置展示规则；

展示模块，用于根据所述预置标签并结合所述第一预置展示规则和所述第二预置展示规则将所述原文档内容进行展示。