[发明专利]一种打印内容格式化提取方法

权利要求书

1.一种打印内容格式化提取方法，其特征在于，包括以下步骤：

S1.将打印文档的打印内容截取转换为打印元素，生成打印元素集；

S2.根据采样的打印元素集设计提取元素，生成提取模版；

S3.输入打印元素集和提取模版，利用提取引擎进行运算，生成格式化提取结果；

步骤S2中，所述提取模版包括提取模版名称、多个提取元素和一组处理脚本；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单提取元素；所述表单提取元素中设置有多个基础的文本提取元素，并且所述文本提取元素的坐标相对于它的父容器表单提取元素；

步骤S1的具体实现方法为：

S1-1.使用格式化虚拟打印机，将打印文档转换为EMF文件；

S1-2.解析EMF文件，提取坐标和内容，生成打印元素文档；

S1-3.解析每个打印页，转换成页面图片；

步骤S2的具体实现方法为：

S2-1.使用打印格式化提取模版设计客户端进行处理；

S2-2.导入打印元素集样本数据；

S2-3.在可视化界面的辅助下，用鼠标拖拽设置提取元素，并设置相关提取参数；

S2-4.测试提取并检查提取结果，如果不满意则重复步骤S2-2至S2-4，直到多个同一格式的打印样本提取结果都满意为止；

S2-5.保存打印提取模版，并上传到打印格式化提取服务器，绑定打印类型；

步骤S3的具体实现方法为：

S3-1.将生成的打印元素文档和页面图片上传到打印格式化提取服务器；

S3-2.打印格式化提取服务器根据上传的相关打印类型调取已经设计好的打印提取模版；

S3-3.提取引擎根据已知输入信息运算，自动进行格式化提取，并将提取结果保存到数据库中；

步骤S3-3中，提取引擎运行步骤为：

S3-3-1.遍历所有页面，并将当前页面的打印元素和页面图片封装到一起，作为下面的输入参数；

S3-3-2.在当前页面遍历所有的提取元素，进行提取运算；

提取元素是容器提取元素，则遍历其所有子提取元素，进行提取，并将子提取元素的提取结果组成队列，配合此容器提取元素的关键词组成键值对返回；

S3-3-3.将所有返回的键值对转换为json格式的格式化提取结果；

S3-3-4.将格式化提取结果以参数的形式传递给处理脚本，由处理脚本进行二次处理，或原封不动的直接返回。