公开(公告)号：CN114170614A

公开(公告)日：2022-03-11

申请号：CN202111535580.0

申请日：2021-12-15

Applicant: 上海金仕达软件科技有限公司

Inventor： 张胜博 ,  万德洪 ,  孙科 ,  罗康洋 ,  束金龙 ,  谭可人 ,  王佳妮 ,  雷鑫林 ,  刘宇 ,  耿然 ,  铁清木 ,  张炜祺 ,  张林

IPC: G06V30/416 ,  G06V30/413 ,  G06F16/178

Abstract: 本发明公开了一种公告文档的处理方法及系统，基于获取的PDF公告文档的格式和内容，判断PDF公告文档为标准化PDF文档或非标准化PDF文档，当PDF公告文档为标准化PDF文档时，将PDF公告文档由PDF格式转换为一个临时的docx格式的Word公告文档，对PDF公告文档和Word公告文档采用预设坐标算法进行公告域信息分割，并在分割完成后得到PDF公告文档对应的格式化的公告纯文本。本发明利用Word公告文档中的正文行对象和表格对象，在采用预设坐标算法时有效的区分PDF公告文档中的正文行对象和表格对象，使得PDF公告文档转换之后的正文行对象与表格对象相互区分和隔离，满足自然语言处理技术的需求。