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！

龙图腾网获悉北京中科凡语科技有限公司申请的专利一种维吾尔语PDF文档中中英文文本、阿拉伯数字的提取和还原方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116306493B 。

龙图腾网通过国家知识产权局官网在2026-05-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211703505.5，技术领域涉及：G06F40/109；该发明授权一种维吾尔语PDF文档中中英文文本、阿拉伯数字的提取和还原方法是由邓彪;翟飞飞设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本一种维吾尔语PDF文档中中英文文本、阿拉伯数字的提取和还原方法在说明书摘要公布了：本发明方法提供一种维吾尔语PDF文档中中英文文本、阿拉伯数字的提取和还原方法，利用PDFMiner抽取出PDF文档中所有的元素信息，进而从中提取出所有文本内容，然后对所有文本按行排序后依照从右向左的顺序进行排版。将筛选出所有的中英文字符、阿拉伯数字等从左向右排序的文本字符，并按照从左向右的顺序对其进行排序。最终我们将所有字符按对应格式插入到WORD文档中，从而使得重构后维吾尔语文档的内容与原始文档保持更高的一致性。本发明方法可以自动检测和提取维吾尔语PDF文档中从左向右表示的字符，然后将其按照从左向右的顺序插入到DOCX文件中的对应位置，从而使目标文档的排版尽量与原始文档保持一致。

本发明授权一种维吾尔语PDF文档中中英文文本、阿拉伯数字的提取和还原方法在权利要求书中公布了：1.一种维吾尔语PDF文档中中英文文本、阿拉伯数字的提取和还原方法，包括步骤： S1输入PDF文件，利用PDFMiner对文本中的内容进行解析，获取PDF中所有元素的信息； S2对PDF中所有元素的信息进行过滤，从中提取出文本内容所对应的信息，在提取时，元素类型为“char”的元素即为文本所对应的内容； S3在获取所有PDF文档中所有页面的文本元素后，对文本进行行合并； S4若是维吾尔语字，所有维吾尔语字符的排列顺序进行反转，否则中文、英文、阿拉伯语字符的排序与其在PDF文档中的x0坐标值大小一致，即都是从左向右的方向，中文、英文、阿拉伯语字符按照正常顺序进行排列； S41对每一行中的所有字符进行检测，查找出每一行中连续存在的从左向右的字符； S42将每一行中的连续的从左向右的字符进行组合，构成一个文本块text_unit，该文本块的文本为所有字符从左向右的组合； S43在获取文本块的字符内容以及其坐标位置后，对文本块中所有字符的顺序进行反转； S5将所有从左向右的字符组合成文本块，并将文本块中的字符进行反转，将每一行中的所有字符进行合并，从而得到每一行所对应的行文本和该行文本的坐标位置，文本行坐标计算方法为：计算行文本的坐标位置l_x0,l_y0,l_x1,l_y1，其中整行文本最左侧的坐标位置l_x0即为最左侧字符的坐标x0，整行文本的底部坐标位置l_y0则为该行中所有字符的y0坐标出现频率最高的值，整行文本最右侧的坐标l_x1,即为该行最右侧字符的坐标x1，而整行文本顶部的坐标l_y1则为该行中所有字符的y1坐标出现频率最高的值； S6在得到每一行的行文本后，将每一行文本中的所有字符按顺序进行反转，从而得到所有字符按从右向左进行排序的文本行，该文本行即为维吾尔语文档所对应的文本行； S7将步骤S6得到的文本行按照从右向左的格式插入到DOCX文档中对应的行坐标位置; 步骤S3所述的文本合并时，首先按照字符底部的坐标位置y0对不同页面中的所有字符分别进行排序，在排序后，按照阈值α＝6将所有字符划分为不同的行，即如果字符之间y0坐标的差值小于6，则这两个字符处于同一行； 步骤S4所述的PDFMiner解析出的每一行中的维吾尔语字符是按照x0值的大小进行排序； 步骤S42所述的文本块坐标计算方法为：计算文本块的坐标位置u_x0,u_y0,u_x1,u_y1，其中文本块最左侧的坐标位置u_x0即为最左侧字符的坐标x0，文本块的底部坐标位置u_y0则为该文本块中所有字符的y0坐标出现频率最高的值，文本块最右侧的坐标u_x1,即为该文本块最右侧字符的坐标x1；而文本块顶部的坐标u_y1则为该文本块中所有字符的y1坐标出现频率最高的值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京中科凡语科技有限公司，其通讯地址为：100190 北京市海淀区知春路63号51号楼10层1006；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。