首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种从受损doc文档中提取文本内容的方法、设备及介质 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:珠海云艺网络科技有限公司

摘要:本发明公开了一种从受损doc文档中提取文本内容的方法、设备及介质,方法包括:获取受损doc文档的二进制数据,将二进制数据写入第一内存缓冲区;获取二进制数据的初始偏移位置;从初始偏移位置开始扫描二进制数据得到多个可读Unicode文本块;将可读Unicode文本块依次写入第二内存缓冲区;依次扫描第二内存缓冲区的多个可读Unicode文本块的非显示数据;将非显示数据清除后依次拼接多个可读Unicode文本块得到文本数据。无需调用系统的COM接口,无需解析受损doc文档的ole格式和读取其中的存储流,而是直接基于受损doc文档本身的二进制数据进行扫描和分析,读取受损doc文档的文本内容,从而完成受损doc文档的提取,可广泛应用于数据处理技术领域。

主权项:1.一种从受损doc文档中提取文本内容的方法,其特征在于,所述从受损doc文档中提取文本内容的方法包括:获取受损doc文档的二进制数据,将所述二进制数据写入第一内存缓冲区;获取所述二进制数据的初始偏移位置,所述初始偏移位置表征所述二进制数据在所述第一内存缓冲区的初始存储位置;从所述初始偏移位置开始扫描所述二进制数据,将所述二进制数据与预设编码数据库进行对比后得到多个可读Unicode文本块,具体包括:从所述初始偏移位置开始扫描所述二进制数据,并与所述预设编码数据库进行对比后得到所述可读Unicode文本块的开头位置;从所述开头位置开始扫描所述二进制数据,并与所述预设编码数据库进行对比后得到所述可读Unicode文本块的结束位置;循环扫描比对完所述二进制数据后得到多个所述可读Unicode文本块,所述循环扫描比对表征从上一个所述可读Unicode文本块的结束位置开始扫描所述二进制数据,并与所述预设编码数据库进行对比后得到下一个所述可读Unicode文本块的开头位置和结束位置,所述可读Unicode文本块的Unicode编码与所述预设编码数据库的编码相对应;将所述可读Unicode文本块依次写入第二内存缓冲区后处理得到文本数据。

全文数据:

权利要求:

百度查询: 珠海云艺网络科技有限公司 一种从受损doc文档中提取文本内容的方法、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。