龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：一网互通(北京)科技有限公司
摘要：本发明实施例中提供了一种实时识别图片类PDF文字信息入库的方法、装置及电子设备，属于数据处理技术领域，该方法包括：使用fitz库打开PDF文件，利用load_page事件读取PDF文件中每页的图片，并分批导出每页的图片；读取目标图书的文件夹，遍历目标图书所有导出的图片；使用文字接口识别出所有文字，并把图片页数以及每页的左右打特殊序号标记与识别的内容存储起来，形成第一文本文件；读取识别后的第一文本文件，对第一文本文件中的内容进行解析，得到包含独立语义内容的第二文本文件；读取第二文本文件，对第二文本文件执行清洗操作，将清洗后得到的第三文本文件进行入库处理。本发明提高了文字识别的效率。
主权项：1.一种实时识别图片类PDF文字信息入库的方法，其特征在于，包括：使用fitz库打开PDF文件，通过PyPDF2读取文件后，基于PyPDF2中的函数getNumPages获取PDF文件页数，利用load_page事件读取PDF文件中每页的图片，并分批导出每页的图片；读取目标图书的文件夹，遍历目标图书所有导出的图片，使用cv2.Canny对图片进行边缘裁切，根据目标图书的情况识别图片中的中间线，并基于中间线将每页图片裁切为两部分；使用文字接口识别出所有文字，并把图片页数以及每页的左右打特殊序号标记与识别的内容存储起来，形成第一文本文件；读取识别后的第一文本文件，对第一文本文件中的内容进行解析，得到包含独立语义内容的第二文本文件；读取第二文本文件，对第二文本文件执行清洗操作，将清洗后得到的第三文本文件进行入库处理。
全文数据：
权利要求：
百度查询： 一网互通(北京)科技有限公司 实时识别图片类PDF文字信息入库的方法、装置及电子设备
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号