公开(公告)号：CN1776673A

公开(公告)日：2006-05-24

申请号：CN200510122890.4

申请日：2005-12-03

Applicant: 福州大学

Inventor： 张文德 ,  宋艳娟 ,  陈振标 ,  杨传耀 ,  陈俊林 ,  朱丹红

IPC: G06F17/30

Abstract: 本发明公开了一种PDF文档到XML文档转换的方法，(一)中间文档生成模块(7)：针对PDF样本文档(2)的内容，根据语义项和文本块之间的映射关系，系统自动生成标记语义项和信息块特征的中间XML文档(3)；(二)规则生成模块：对PDF样本文档(2)进行分析和处理，调用中间文档生成模块(7)产生的中间XML文档(3)，通过文档解析器读取PDF源文档(1)的内容，并将其转换为规则的XSLT文档；(三)自动抽取模块：接受规则的XSLT文档，得到满足目标DTD文档并具有语义信息的目标XML文档(5)。本发明可以对转换后的XML文档做进一步的操作，从而提高文档自动分类和用户信息检索的效率。

公开(公告)号：CN1687926A

公开(公告)日：2005-10-26

申请号：CN200510039015.X

申请日：2005-04-18

Applicant: 福州大学

Inventor： 张文德 ,  宋艳娟 ,  杨传耀 ,  朱丹红 ,  陈俊林

IPC: G06F17/30

Abstract: 本发明公开了一种基于XML的PDF文档信息抽取系统的方法，它是一种信息转化的方法，属于信息技术类，其步骤为：(1)DTD的设计，分析并选择出外部信息元数据和内部信息元数据；(2)实现对PDF文档的语义信息的抽取，先将提取存放PDF文档中各页的内容流，并进行解码，然后将PDF文档的物理结构转化为逻辑结构，外部信息元数据的提取，内部信息元数据的提取；(3)生成XML文档。本发明可以对转换后的XML文档做进一步的操作，从而提高文档自动分类和用户信息检索的效率。

公开(公告)号：CN100347706C

公开(公告)日：2007-11-07

申请号：CN200510122890.4

申请日：2005-12-03

Applicant: 福州大学

Inventor： 张文德 ,  宋艳娟 ,  陈振标 ,  杨传耀 ,  陈俊林 ,  朱丹红

IPC: G06F17/30

Abstract: 本发明公开了一种PDF文档到XML文档转换的方法，(一)中间文档生成模块(7)：针对PDF样本文档(2)的内容，根据语义项和文本块之间的映射关系，系统自动生成标记语义项和信息块特征的中间XML文档(3)；(二)规则生成模块：对PDF样本文档(2)进行分析和处理，调用中间文档生成模块(7)产生的中间XML文档(3)，通过文档解析器读取PDF源文档(1)的内容，并将其转换为规则的XSLT文档；(三)自动抽取模块：接受规则的XSLT文档，得到满足目标DTD文档并具有语义信息的目标XML文档(5)。本发明可以对转换后的XML文档做进一步的操作，从而提高文档自动分类和用户信息检索的效率。