[发明专利]一种对PDF药品文档进行超链接编辑的方法和系统

说明书

本发明公开了一种对PDF药品文档进行超链接编辑的方法，包括：对导入的PDF药品文档内容进行识别；根据待处理超链接项目的特征编辑相应的匹配规则；根据所述匹配规则形成链接项目集合，所述链接项目集合包括各项目的源文件属性、目标文件属性、以及源文件与目标文件对应关系；遍历各经过预处理的PDF药品文档的链接项目集合，验证并删除无效目标文件属性后创建剩余的各超文本链接。实现了多个文档自动编辑超链接，能适应各类文档的超链接编辑要求，极大的提高了药品申报的速度。

技术领域

本发明涉及信息技术领域，尤其涉及一种对PDF药品文档进行超链接编辑的方法和系统。

背景技术

药品电子技术通用技术文档（Electronic Common Technical Document），简称eCTD，是药品的质量、安全和有效性方面的通用文件，是制药企业向药物监管机构进行信息传输的一种形式，其内容需满足通用技术文件CTD的要求。目前eCTD电子递交流程大体上可以分为三个阶段，即撰写、文档编辑与提交。申请者首先要将各类资料、数据、实验数据等进行撰写，之后由根据相关法规要求构建eCTD申报文档，再由申报负责人通过事先建立好的电子传输通道，将申报文件提交至药监部门。在整个过程中，便捷、高效、规范、环保是其主要特点，因此eCTD因其在药品注册申报环节中的诸多优势而受到美国、日本等国家药审部门的青睐，eCTD正成为全球药品注册申报的重要趋势。

其中PDF 是 eCTD 申报资料的主要文件格式，PDF文件中支持超文本链接是对评审人员非常有帮助的。然而制作这些超文本链接却不是一件容易的事。在制作超链接时，面对成百上千的pdf文件，制作人员往往需要手工搜寻相应的文件，极其劳神费力。并且不在同一页中的注释、相关章节、参考文献、附录、表格或数字，都可能会进行超链接编辑，大大增加了文件制作人员的工作量。

发明内容

本发明针对现有技术中的不足，提供了一种对PDF药品文档进行超链接编辑的方法，具体包括：

S1，对导入的至少一PDF药品文档内容进行识别；

S2，根据待处理超链接项目的特征编辑相应的匹配规则；

S3，根据所述匹配规则形成链接项目集合，所述链接项目集合包括各项目的源文件属性、目标文件属性、以及源文件与目标文件对应关系，所述源文件当前正在编辑超链接的PDF药品文档，所述目标文件即超链接将要指向的文件；

S4，遍历各经过预处理的PDF药品文档的链接项目集合，验证并删除无效目标文件属性后创建剩余的各超文本链接。

优选的，所述待处理超链接项目包括但不限于注释、相关章节、参考文献、附录、表格和/或数字中的一个或多个。

优选的，所述步骤S2具体包括：

S21，在系统中编辑语法规则，根据句法结构归纳数据库将关键词和句型规则存储至模板中；

S22，对PDF药品文档识别的文本以句子为单位进行拆分；

S23，根据所述语法规则生成相应正则表达式，关键词和句型规则将形成a*b种不同规则；

S24，将规则进行匹配以获取剩余内容，对所述剩余内容进行文本纠错并去除停用词。

优选的，所述源文件属性包括但不限于源文件所在物理磁盘路径、文档内页码和位置,所述目标文件属性包括但不限于目标文件名称、所属页面、章节、图表和附录。

优选的，所述步骤S4具体包括：

S41，遍历各预处理的PDF药品文档链接项目集合，判断各目标文件指向位置是否已有超文本链接；

S42，当存在超文本链接时，判断目标文件属性是否存在变化，如有变化则删除原链接并创建新超链接，否则保持原超链接；