CN117610512A - 一种页眉页脚的去除方法、装置、设备及存储介质 - Google Patents
一种页眉页脚的去除方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117610512A CN117610512A CN202311648822.6A CN202311648822A CN117610512A CN 117610512 A CN117610512 A CN 117610512A CN 202311648822 A CN202311648822 A CN 202311648822A CN 117610512 A CN117610512 A CN 117610512A
- Authority
- CN
- China
- Prior art keywords
- header
- page
- footer
- current object
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 78
- 238000004590 computer program Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Document Processing Apparatus (AREA)
Abstract
本发明公开了一种页眉页脚的去除方法、装置、设备及存储介质,所述方法包括:获取待处理文档与对应的处理目标,根据待处理文档确定页眉页脚阈值,并将待处理文档中的所有页面确定为候选页面;根据处理目标提取各候选页面的当前对象行,对提取的当前对象行进行处理后,统计其中的行格式类型;根据统计得到的行格式类型确定目标页面,删除目标页面中的当前对象行,将删除后的目标页面确定为新的候选页面,返回执行根据处理目标提取各候选页面的当前对象行的步骤,直到目标页面的数量小于等于页眉页脚阈值。本发明公开的页眉页脚的去除方法,可以实现对文本文件中页眉页脚的自动去除。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种页眉页脚的去除方法、装置、设备及存储介质。
背景技术
在文本文件中,若文件中存在页眉或页脚,其内容往往是统一的,例如页码、公司名称、文档代码等。对于便携式文档格式(Portable Document Format,PDF)文件来说,目前缺乏专门的页眉页脚处理应用程序。
发明内容
本发明提供了一种页眉页脚的去除方法、装置、设备及存储介质,以实现对文档中页眉页脚的便捷去除。
根据本发明的一方面,提供了一种页眉页脚的去除方法,包括:
获取待处理文档与对应的处理目标,根据所述待处理文档确定页眉页脚阈值,并将所述待处理文档中的所有页面确定为候选页面;
根据所述处理目标提取各所述候选页面的当前对象行,对提取的当前对象行进行处理后,统计其中的行格式类型;
根据统计得到的行格式类型确定目标页面,删除所述目标页面中的当前对象行,将删除后的所述目标页面确定为新的候选页面,返回执行根据所述处理目标提取各所述候选页面的当前对象行的步骤,直到所述目标页面的数量小于等于所述页眉页脚阈值。
进一步地,所述处理目标为页眉或页脚,当所述处理目标为页眉时,对应的当前对象行为当前页面的首行;当所述处理目标为页脚时,对应的当前对象行为当前页面的尾行。
进一步地,根据所述待处理文档确定页眉页脚阈值,包括:
获取所述待处理文档的文档总页数;
比较所述文档总页数与预设值的大小,将其中的较小值确定为所述页眉页脚阈值。
进一步地,对提取的当前对象行进行处理,包括:
去除所述当前对象行中的设定字符,所述设定字符包括数字和/或空格。
进一步地,根据统计得到的行格式类型确定目标页面,包括:
确定各行格式类型对应的页面数量;
若各页面数量中的最大值大于所述页眉页脚阈值,则将页面数量最多的行格式类型对应的文档页面确定为所述目标页面。
根据本发明的另一方面,提供了一种页眉页脚的去除装置,包括:
候选页面确定模块,用于获取待处理文档与对应的处理目标,根据所述待处理文档确定页眉页脚阈值,并将所述待处理文档中的所有页面确定为候选页面;
行格式类型统计模块,用于根据所述处理目标提取各所述候选页面的当前对象行,对提取的当前对象行进行处理后,统计其中的行格式类型;
当前对象行删除模块,用于根据统计得到的行格式类型确定目标页面,删除所述目标页面中的当前对象行,将删除后的所述目标页面确定为新的候选页面,返回执行根据所述处理目标提取各所述候选页面的当前对象行的步骤,直到所述目标页面的数量小于等于所述页眉页脚阈值。
可选的,所述处理目标为页眉或页脚,当所述处理目标为页眉时,对应的当前对象行为当前页面的首行;当所述处理目标为页脚时,对应的当前对象行为当前页面的尾行。
可选的,候选页面确定模块还用于:
获取所述待处理文档的文档总页数;
比较所述文档总页数与预设值的大小,将其中的较小值确定为所述页眉页脚阈值。
可选的,行格式类型统计模块还用于:
去除所述当前对象行中的设定字符,所述设定字符包括数字和/或空格。
可选的,当前对象行删除模块还用于:
确定各行格式类型对应的页面数量;
若各页面数量中的最大值大于所述页眉页脚阈值,则将页面数量最多的行格式类型对应的文档页面确定为所述目标页面。
根据本发明的另一方面,提供了一种计算机设备,所述计算机设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的页眉页脚的去除方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的页眉页脚的去除方法。
本发明公开的页眉页脚的去除方法,首先获取待处理文档与对应的处理目标,根据待处理文档确定页眉页脚阈值,并将待处理文档中的所有页面确定为候选页面;然后根据处理目标提取各候选页面的当前对象行,对提取的当前对象行进行处理后,统计其中的行格式类型;最后根据统计得到的行格式类型确定目标页面,删除目标页面中的当前对象行,将删除后的目标页面确定为新的候选页面,返回执行根据处理目标提取各候选页面的当前对象行的步骤,直到目标页面的数量小于等于页眉页脚阈值。本发明公开的页眉页脚的去除方法,可以实现对文本文件中页眉页脚的自动去除,提升用户的使用体验。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种页眉页脚的去除方法的流程图;
图2是根据本发明实施例二提供的一种页眉页脚的去除方法的流程图;
图3是根据本发明实施例三提供的一种页眉页脚的去除装置的结构示意图;
图4是实现本发明实施例四的页眉页脚的去除方法的计算机设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种页眉页脚的去除方法的流程图,本实施例可适用于对文本文件中的页眉页脚进行去除操作的情况,该方法可以由页眉页脚的去除装置来执行,该页眉页脚的去除装置可以采用硬件和/或软件的形式实现,该页眉页脚的去除装置可配置于计算机设备中。如图1所示,该方法包括:
S110、获取待处理文档与对应的处理目标,根据待处理文档确定页眉页脚阈值,并将待处理文档中的所有页面确定为候选页面。
其中,待处理文档为需要进行页眉或页脚去除操作的文本文件;处理目标是用于指示待处理文档需要进行的操作的信息,例如需要去除页眉或去除页脚;页眉页脚阈值是一个指标,因为对一个文本文件来说,若其中包含页眉或页脚,一般都是相同格式,用于显示统一的内容,例如页码、公司名称、文档代码等,所以若相同格式的页面数量大于页眉页脚阈值,则可能是页眉或页脚。
优选地,待处理文档可以是便携式文档格式(Portable Document Format,PDF)文件。
在本实施例中,得到待处理文档与其对应的处理目标之后,可以根据待处理文档确定页眉页脚阈值。例如,可以设定一个固定数值作为页眉页
脚阈值,也可以根据待处理文档的页数,确定与待处理文档匹配的页眉页脚阈值。进一步地,确定页眉页脚阈值后,可以先将待处理文档中的所有页面确定为候选页面,用于下一步处理。
S120、根据处理目标提取各候选页面的当前对象行,对提取的当前对象行进行处理后,统计其中的行格式类型。
其中,处理目标为页眉或页脚,当处理目标为页眉时,对应的当前对象行为当前页面的首行;当处理目标为页脚时,对应的当前对象行为当前页面的尾行。
在本实施例中,若处理目标为页眉,说明当前待处理文档需要进行去除页眉的操作,则提取当前各候选页面的首行,即包括页眉在内的第一行作为当前对象行;若处理目标为页脚,说明当前待处理文档需要进行去除页脚的操作,则提取当前各候选页面的尾行,即包括页脚在内的最后一行作为当前对象行。
可选的,行格式类型可以是对于一行文档内容来说,内容与格式的差异均可对应一个行格式类型,例如可以是页码格式、不同的文字内容等。
进一步地,以处理目标为页脚为例,提取到尾行作为当前对象行后,可以对当前对象行进行去除数字、空格等处理,然后统计各当前对象行中包含的格式类型及对应的页面数量,从而判断当前对象行是否为需要去除的页脚。例如,页脚可能是文档页码,且每个页面的页码数字不同,为将页脚去除,可以在提取当前对象行后将其中的数字去除,若去除数字后当前对象行的剩余格式内容是一致的,则可以认为当前对象行是统一的页脚格式。
S130、根据统计得到的行格式类型确定目标页面,删除目标页面中的当前对象行,将删除后的目标页面确定为新的候选页面,返回执行根据处理目标提取各候选页面的当前对象行的步骤,直到目标页面的数量小于等于页眉页脚阈值。
其中,目标页面可以是待处理文档中具备设定行格式类型的页面。
在本实施例中,可以根据统计得到的行格式类型确定待处理文档中的目标页面,例如,若统计得到提取的当前对象行进行处理后全部为同一的行格式,则可以认为提取的当前对象行均属于页眉或页脚,可以进行删除。
进一步地,由于文档页眉或页脚的内容可能不止一行,因此,删除目标页面的当前对象行后需要进行循环处理,重新将执行完删除操作的目标页面作为新的候选页面,再从新的候选页面中提取新的当前对象行,统计其中的行格式类型,若找到的目标页面的数量小于等于页眉页脚阈值,则可以认为待处理文档中的页眉或页脚已去除完毕,循环停止。
本发明公开的页眉页脚的去除方法,首先获取待处理文档与对应的处理目标,根据待处理文档确定页眉页脚阈值,并将待处理文档中的所有页面确定为候选页面;然后根据处理目标提取各候选页面的当前对象行,对提取的当前对象行进行处理后,统计其中的行格式类型;最后根据统计得到的行格式类型确定目标页面,删除目标页面中的当前对象行,将删除后的目标页面确定为新的候选页面,返回执行根据处理目标提取各候选页面的当前对象行的步骤,直到目标页面的数量小于等于页眉页脚阈值。本发明公开的页眉页脚的去除方法,可以实现对文本文件中页眉页脚的自动去除,提升用户的使用体验。
实施例二
图2为本发明实施例二提供的一种页眉页脚的去除方法的流程图,本实施例为上述实施例的细化。如图2所示,该方法包括:
S210、获取待处理文档与对应的处理目标,获取待处理文档的文档总页数,比较文档总页数与预设值的大小,将其中的较小值确定为页眉页脚阈值,并将待处理文档中的所有页面确定为候选页面。
在本实施例中,预设值为提前确定的一个固定值,优选地,可以令预设值为5。
优选地,获取待处理文档与对应的处理目标后,可以根据待处理文档的文档总页数与预设值进行比较,根据比较结果确定页眉页脚阈值。
例如,若待处理文档的文档总页数为20,预设值为5,则可以确定页眉页脚阈值为5。
S220、根据处理目标提取各候选页面的当前对象行,去除当前对象行中的设定字符,统计其中的行格式类型。
其中,设定字符包括数字和/或空格。处理目标为页眉或页脚,当处理目标为页眉时,对应的当前对象行为当前页面的首行;当处理目标为页脚时,对应的当前对象行为当前页面的尾行。
在本实施例中,确定候选页面后,若处理目标为页眉,说明当前待处理文档需要进行去除页眉的操作,则提取当前各候选页面的首行,即包括页眉在内的第一行作为当前对象行;若处理目标为页脚,说明当前待处理文档需要进行去除页脚的操作,则提取当前各候选页面的尾行,即包括页脚在内的最后一行作为当前对象行。提取各候选页面的当前对象行后,可以将当前对象行中的数字和/或空格删除,然后再去统计删除数字和/或空格之后的当前对象行的格式类型。
S230、确定各行格式类型对应的页面数量,若各页面数量中的最大值大于页眉页脚阈值,则将页面数量最多的行格式类型对应的文档页面确定为目标页面。
在本实施例中,统计当前对象行去除设定字符后的行格式类型后,可以根据各行格式类型的页面数量确定目标页面。优选地,可以将页面数量最多且页面数量大于页眉页脚阈值的行格式类型确定为目标页面。
例如,若页眉页脚阈值为5,统计当前对象行去除设定字符后的行格式类型后得到3种行格式类型,对应的页面数量分别为10、4、3,则可以认为页面数量为10的行格式类型为页眉或页脚格式,将该行格式类型对应的10页文档页面确定为目标页面;若统计当前对象行去除设定字符后的行格式类型后得到3种行格式类型,对应的页面数量分别为4、4、3,则可以认为当前待处理文档中不包含统一的页眉/页脚格式,不再继续处理。
S240、删除目标页面中的当前对象行,将删除后的目标页面确定为新的候选页面,返回执行根据处理目标提取各候选页面的当前对象行的步骤,直到目标页面的数量小于等于所述页眉页脚阈值。
在本实施例中,确定目标页面后,可以将目标页面中的当前对象行删除,由于文档页眉或页脚的内容可能不止一行,因此,删除目标页面的当前对象行后需要进行循环处理,重新将执行完删除操作的目标页面作为新的候选页面,再从新的候选页面中提取新的当前对象行,统计其中的行格式类型,若找到的目标页面的数量小于等于页眉页脚阈值,则可以认为待处理文档中的页眉或页脚已去除完毕,循环停止。
例如,若页眉页脚阈值为5,统计当前对象行去除设定字符后的行格式类型后得到3种行格式类型,对应的页面数量分别为10、4、3,则可以认为页面数量为10的行格式类型为页眉或页脚格式,将该行格式类型对应的10页文档页面确定为目标页面,将目标页面中的当前对象行删除后,将这10页文档页面确定为新的候选页面,再提取新的当前对象行并统计行格式类型,若第二次得到的数量最多的行格式类型的页面数量小于5,则循环停止。
本发明公开的页眉页脚的去除方法,首先获取待处理文档与对应的处理目标,获取待处理文档的文档总页数,比较文档总页数与预设值的大小,将其中的较小值确定为页眉页脚阈值,并将待处理文档中的所有页面确定为候选页面,然后根据处理目标提取各候选页面的当前对象行,去除当前对象行中的设定字符,统计其中的行格式类型,再确定各行格式类型对应的页面数量,若各页面数量中的最大值大于页眉页脚阈值,则将页面数量最多的行格式类型对应的文档页面确定为目标页面,最后删除目标页面中的当前对象行,将删除后的目标页面确定为新的候选页面,返回执行根据处理目标提取各候选页面的当前对象行的步骤,直到目标页面的数量小于等于所述页眉页脚阈值。本发明公开的页眉页脚的去除方法,可以实现对文本文件中页眉页脚的自动去除,提升用户的使用体验。
实施例三
图3为本发明实施例三提供的一种页眉页脚的去除装置的结构示意图。如图3所示,该装置包括:候选页面确定模块310,行格式类型统计模块320和当前对象行删除模块330。
候选页面确定模块310,用于获取待处理文档与对应的处理目标,根据待处理文档确定页眉页脚阈值,并将待处理文档中的所有页面确定为候选页面。
行格式类型统计模块320,用于根据处理目标提取各候选页面的当前对象行,对提取的当前对象行进行处理后,统计其中的行格式类型。
当前对象行删除模块330,用于根据统计得到的行格式类型确定目标页面,删除目标页面中的当前对象行,将删除后的目标页面确定为新的候选页面,返回执行根据处理目标提取各候选页面的当前对象行的步骤,直到目标页面的数量小于等于页眉页脚阈值。
可选的,处理目标为页眉或页脚,当处理目标为页眉时,对应的当前对象行为当前页面的首行;当处理目标为页脚时,对应的当前对象行为当前页面的尾行。
可选的,候选页面确定模块310还用于:
获取待处理文档的文档总页数;比较文档总页数与预设值的大小,将其中的较小值确定为页眉页脚阈值。
可选的,行格式类型统计模块320还用于:
去除当前对象行中的设定字符,设定字符包括数字和/或空格。
可选的,当前对象行删除模块330还用于:
确定各行格式类型对应的页面数量;若各页面数量中的最大值大于页眉页脚阈值,则将页面数量最多的行格式类型对应的文档页面确定为目标页面。
本发明实施例所提供的页眉页脚的去除装置可执行本发明任意实施例所提供的页眉页脚的去除方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的计算机设备10的结构示意图。计算机设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。计算机设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,计算机设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储计算机设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
计算机设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许计算机设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如页眉页脚的去除方法。
在一些实施例中,页眉页脚的去除方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到计算机设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的页眉页脚的去除的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行页眉页脚的去除方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机设备上实施此处描述的系统和技术,该计算机设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (8)
1.一种页眉页脚的去除方法,其特征在于,包括:
获取待处理文档与对应的处理目标,根据所述待处理文档确定页眉页脚阈值,并将所述待处理文档中的所有页面确定为候选页面;
根据所述处理目标提取各所述候选页面的当前对象行,对提取的当前对象行进行处理后,统计其中的行格式类型;
根据统计得到的行格式类型确定目标页面,删除所述目标页面中的当前对象行,将删除后的所述目标页面确定为新的候选页面,返回执行根据所述处理目标提取各所述候选页面的当前对象行的步骤,直到所述目标页面的数量小于等于所述页眉页脚阈值。
2.根据权利要求1所述的方法,其特征在于,所述处理目标为页眉或页脚,当所述处理目标为页眉时,对应的当前对象行为当前页面的首行;当所述处理目标为页脚时,对应的当前对象行为当前页面的尾行。
3.根据权利要求2所述的方法,其特征在于,根据所述待处理文档确定页眉页脚阈值,包括:
获取所述待处理文档的文档总页数;
比较所述文档总页数与预设值的大小,将其中的较小值确定为所述页眉页脚阈值。
4.根据权利要求2所述的方法,其特征在于,对提取的当前对象行进行处理,包括:
去除所述当前对象行中的设定字符,所述设定字符包括数字和/或空格。
5.根据权利要求2所述的方法,其特征在于,根据统计得到的行格式类型确定目标页面,包括:
确定各行格式类型对应的页面数量;
若各页面数量中的最大值大于所述页眉页脚阈值,则将页面数量最多的行格式类型对应的文档页面确定为所述目标页面。
6.一种页眉页脚的去除装置,其特征在于,包括:
候选页面确定模块,用于获取待处理文档与对应的处理目标,根据所述待处理文档确定页眉页脚阈值,并将所述待处理文档中的所有页面确定为候选页面;
行格式类型统计模块,用于根据所述处理目标提取各所述候选页面的当前对象行,对提取的当前对象行进行处理后,统计其中的行格式类型;
当前对象行删除模块,用于根据统计得到的行格式类型确定目标页面,删除所述目标页面中的当前对象行,将删除后的所述目标页面确定为新的候选页面,返回执行根据所述处理目标提取各所述候选页面的当前对象行的步骤,直到所述目标页面的数量小于等于所述页眉页脚阈值。
7.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个控制器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个控制器执行,使得所述一个或多个控制器实现如权利要求1-5中任一项所述的页眉页脚的去除方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-5中任一项所述的页眉页脚的去除方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311648822.6A CN117610512A (zh) | 2023-12-04 | 2023-12-04 | 一种页眉页脚的去除方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311648822.6A CN117610512A (zh) | 2023-12-04 | 2023-12-04 | 一种页眉页脚的去除方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117610512A true CN117610512A (zh) | 2024-02-27 |
Family
ID=89949610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311648822.6A Pending CN117610512A (zh) | 2023-12-04 | 2023-12-04 | 一种页眉页脚的去除方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117610512A (zh) |
-
2023
- 2023-12-04 CN CN202311648822.6A patent/CN117610512A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113904943B (zh) | 账号检测方法、装置、电子设备和存储介质 | |
CN113963197A (zh) | 图像识别方法、装置、电子设备和可读存储介质 | |
CN116796085A (zh) | 一种文件处理方法、装置、电子设备及存储介质 | |
CN117033058A (zh) | 一种软件崩溃数据的分析方法、装置、设备及介质 | |
CN114564149B (zh) | 一种数据存储方法、装置、设备及存储介质 | |
CN117610512A (zh) | 一种页眉页脚的去除方法、装置、设备及存储介质 | |
CN112887426B (zh) | 信息流的推送方法、装置、电子设备以及存储介质 | |
CN114817223A (zh) | 业务数据提取方法、装置、电子设备和存储介质 | |
CN113343064B (zh) | 数据处理方法、装置、设备、存储介质以及计算机程序产品 | |
CN113360258B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN116383498A (zh) | 数据匹配方法、装置、电子设备及存储介质 | |
CN117453746A (zh) | 一种数据循环筛选的方法、装置、设备及介质 | |
CN116455999A (zh) | 一种应用状态管理方法、装置、电子设备及存储介质 | |
CN117807972A (zh) | 一种长文档中的表格信息抽取方法、装置、设备及介质 | |
CN117573491A (zh) | 一种性能瓶颈的定位方法、装置、设备及存储介质 | |
CN115168407A (zh) | 一种数值寻址方法、装置、电子设备及存储介质 | |
CN116149964A (zh) | 一种日志采集方法、装置、设备和存储介质 | |
CN118012936A (zh) | 一种数据抽取方法、装置、设备及存储介质 | |
CN117394867A (zh) | 一种数据压缩方法、装置、电子设备及存储介质 | |
CN118227580A (zh) | 一种基于日志分析方法、装置、电子设备及存储介质 | |
CN116301653A (zh) | 应用于嵌入式系统的数据存储方法、装置、设备及介质 | |
CN117422108A (zh) | 一种卷积核的确定方法、装置、设备及存储介质 | |
CN117609311A (zh) | 一种服务降级方法、装置、设备以及存储介质 | |
CN116225568A (zh) | 一种应用系统接口的管理方法、装置、设备及存储介质 | |
CN115421665A (zh) | 一种数据存储方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |