JP6731011B2

JP6731011B2 - 電子図書の表示用データの作成装置

Info

Publication number: JP6731011B2
Application number: JP2018031282A
Authority: JP
Inventors: 恭子古澤; 友紀小平; 佑介田代; 龍飛田
Original assignee: Shinano Kenshi Co Ltd
Current assignee: Shinano Kenshi Co Ltd
Priority date: 2018-02-23
Filing date: 2018-02-23
Publication date: 2020-07-29
Anticipated expiration: 2038-02-23
Also published as: JP2019145038A

Description

本発明は電子図書の表示用データの作成装置に関し、より詳細には、オリジナル文書データである紙媒体の図書（以下、紙図書という）や文書の電子データを電子図書データ化する際において生成される電子図書の表示用データに自動的にページ番号と行番号を付与することが可能な電子図書の表示用データの作成装置に関する。

電子データとして予め記憶されている電子図書を音声として再生する装置が従来から知られている（例えば、特許文献１（特開２０００−５７７５２号公報）参照）。この特許文献１に開示されている装置は、ＤＡＩＳＹ（ＤｉｇｉｔａｌＡｃｃｅｓｓｉｂｌｅＩｎｆｏｒｍａｔｉｏｎＳＹｓｔｅｍ）規格によるデジタル録音図書を再生する装置であり、特に視覚に障害がある人たちが読書を楽しむことが出来るように、本に記載されている文章情報を音声として読み上げることができる装置である。

また、音声再生できる装置に表示部を設け、表示部にはテキストを表示させる装置も従来から知られている（例えば、特許文献２（特開２００４−１７０４４４号公報）参照）。この特許文献２に開示されている装置は、特に英会話の練習用に用いられる装置であって、表示部には英文のテキストデータが表示され、スピーカからは表示部に表示されている英文の音声データが再生される。特許文献２に開示されている装置では、再生する音声データと表示部に表示させているテキストデータとを同期させ、現在再生中の音声データに該当するテキスト位置を対応付けすることが可能になる。

特開２０００−５７７５２号公報特開２００４−１７０４４４号公報

特許文献１，２における電子図書の表示再生装置で用いられる電子図書は、フォントの大きさを可変したり、予め設定された位置情報を利用して特定の位置に移動したり再生を開始することができるため、紙の文字の読みに困難を持つ児童生徒への情報保障としても有効性が認められている。一方で、電子図書のフォントサイズを変更すると、オリジナルデータである紙図書や電子図書で使用可能なデータ形式にする前の元々の文書の電子データでの見た目（レイアウト）と電子図書の表示再生装置上での見た目が異なる場合がある。そのため、紙図書や元々の文書の電子データにおける文字位置と表示再生装置での文字位置が簡単に把握できるように、電子図書の表示用データにはページや行番号等の位置情報を含ませることが重要となる。

しかしながら、現状の電子図書の表示用データにおけるページ番号や行番号等の位置情報の設定は、紙図書から本文文字データを抽出した後、手作業で本文文字データ内に追加設定されている。このため、電子図書の表示用データの製作者に多大な作業負荷を負わせてしまうといった課題がある。

そこで本発明は、オリジナル文書データである紙図書や文書の電子データを電子図書の表示用データに変換する際において、ページ番号や行番号を自動的に付与することが可能な電子図書の表示用データの作成装置の提供を目的としている。

すなわち本発明は、オリジナル文書データの特定ページを電子図書装置に表示するための電子図書の表示用データ作成装置であって、前記オリジナル文書データの前記特定ページを電子データ化したオリジナル文書特定ページ電子化データにおけるレイアウトから、本文領域とページ番号領域とをそれぞれ抽出する領域抽出手段と、前記領域抽出手段により抽出された各領域における文字データを抽出すると共に、前記オリジナル文書特定ページ電子化データ内における各文字データの平面座標データを抽出する文字データ抽出手段と、前記文字データ抽出手段により前記ページ番号領域から抽出された文字データをページ番号データとし、前記文字データ抽出手段により前記本文領域から抽出された本文文字データの所定位置に前記ページ番号データを付与するページ番号データ付与手段と、前記平面座標データの一方の座標値が所定の範囲内にある前記本文文字データを同一行番号グループとし、前記同一行番号グループの各々に対し前記本文領域の始点側から順番に行番号データを付与する行番号データ付与手段と、前記本文文字データをフレーズ毎に分割し分割フレーズを生成するフレーズ分割手段と、を具備し、前記行番号データ付与手段は、前記同一行番号グループの先頭位置に前記分割フレーズの始点位置または終点位置が存在しない場合には、前記同一行番号グループの先頭位置の直近位置における前記分割フレーズの前記始点位置または前記終点位置に前記行番号データを付与することを特徴とする電子図書の表示用データ作成装置である。

これにより、オリジナル文書データである紙図書や文書の電子データの特定ページを電子図書装置に表示するための電子図書の表示用データに変換する際において、本文文字データにページ番号と行番号を自動的に付与することが可能になる。また、電子図書の表示用データを用いて特定の行番号にジャンプさせた際は必ずフレーズの区切れ位置を指定することができる。よって、電子図書装置において行番号を指定してジャンプさせた際には、文章の意味が把握し易く、読み出し位置が分かり易い電子図書の表示用データを提供することができる。

また、前記領域抽出手段は、前記オリジナル文書特定ページ電子化データ内における前記平面座標データおよび前記オリジナル文書特定ページ電子化データ内における前記文字データの大きさの少なくとも一方の情報に基づいて、前記本文領域と前記ページ番号領域との識別を行っていることが好ましい。

これにより、オリジナル文書特定ページ電子化データ内から本文文字データとページ番号データとを混合させることなく適切に抽出することが可能になる。

また、オリジナル文書データの特定ページを電子図書装置に表示するための電子図書の表示用データ作成装置であって、前記オリジナル文書データの前記特定ページを電子データ化したオリジナル文書特定ページ電子化データにおけるレイアウトから、本文領域とページ番号領域と行番号領域とをそれぞれ抽出する領域抽出手段と、前記領域抽出手段により抽出された各領域における文字データを抽出すると共に、前記オリジナル文書特定ページ電子化データ内における各文字データの平面座標データを抽出する文字データ抽出手段と、前記文字データ抽出手段により前記ページ番号領域から抽出された文字データをページ番号データとし、前記文字データ抽出手段により前記本文領域から抽出された本文文字データの所定位置に前記ページ番号データを付与するページ番号データ付与手段と、前記文字データ抽出手段により前記行番号領域から抽出された文字データを行番号データとし、前記行番号データの前記平面座標データと前記本文文字データの前記平面座標データが所定条件を満たす場合、前記本文文字データに、前記行番号データを対応させて付与する行番号データ付与手段と、を具備することを特徴とする電子図書の表示用データ作成装置とすることもできる。

これにより、オリジナル文書データである紙図書や文書の電子データの特定ページを電子図書装置に表示するための電子図書の表示用データに変換する際において、本文文字データにページ番号と行番号を自動的に付与することが可能になる。

また、前記領域抽出手段は、前記オリジナル文書特定ページ電子化データ内における前記平面座標データおよび前記オリジナル文書特定ページ電子化データ内における前記文字データの大きさの少なくとも一方の情報に基づいて、前記本文領域と前記ページ番号領域と前記行番号領域の識別を行っていることが好ましい。

これにより、オリジナル文書特定ページ電子化データ内から本文文字データとページ番号データと行番号データを混合させることなく適切に抽出することが可能になる。

また、前記本文文字データをフレーズ毎に分割し分割フレーズを生成するフレーズ分割手段をさらに備え、前記行番号データ付与手段は、前記行番号データの前記平面座標データと前記本文文字データの前記平面座標データとが所定条件を満たす位置の先頭位置に前記分割フレーズの始点位置または終点位置が存在しない場合には、前記行番号データの前記平面座標データと前記本文文字データの前記平面座標データとが所定条件を満たす位置の先頭位置の直近位置における前記分割フレーズの前記始点位置または前記終点位置に前記行番号データを付与することが好ましい。

これにより、電子図書の表示用データを用いて特定の行番号にジャンプさせた際は必ずフレーズの区切れ位置を指定することができる。よって、電子図書装置において行番号を指定してジャンプさせた際には、文章の意味が把握し易く、読み出し位置が分かり易い電子図書の表示用データを提供することができる。

本発明における電子図書の表示用データ作成装置の構成によれば、オリジナル文書データである紙図書や文書の電子データを電子図書の表示用データに変換する際において、本文文字データにページ番号と行番号を自動的に付与することが可能になる。これにより電子図書の表示用データの作成者における作業負荷を大幅に軽減することができ、使い勝手が良好な電子図書の表示用データを安価に提供することができる。

オリジナル文書データである紙図書の特定ページを電子データ化したオリジナル文書特定ページ電子化データの一例である。本実施形態における電子図書の表示用データ作成装置の概略構成図である。本実施形態における電子図書の表示用データ作成方法の概略処理フロー図である。本実施形態で得られた電子図書の表示用データの一例である。図４の本文文字データをフレーズ毎に分割した状態を示す説明図である。分割フレーズの配置状態に応じて行番号位置の一部に変更が生じた状態を示す説明図である。オリジナル文書データである紙図書の特定ページを電子データ化したオリジナル文書特定ページ電子化データの変形例である。

本発明における電子図書の表示用データ作成装置について実施形態に基づいて説明する。本発明は、図１に示すようなオリジナル文書特定ページ電子化データＯＴＤを用いてオリジナル文書データである紙図書や文書の電子データにおける表示内容を電子図書の表示用データに変換する際において、本文文字データにページ番号や行番号を自動的に付与することを可能にするものである。

（第１実施形態）
本実施形態で用いられる電子図書の表示用データ作成装置１００は、図２に示すように、領域抽出手段１０と、文字データ抽出手段２０と、ページ番号データ付与手段３０と、行番号データ付与手段４０と、フレーズ分割手段５０とを具備している。このような電子図書の表示用データ作成装置１００は、データ入力手段６０とデータ出力手段６２と記憶部７０と動作制御部８０とを有するパーソナルコンピュータ９０において、記憶部７０に動作制御プログラムＰＧＭを実装させることにより実現できる。

領域抽出手段１０は、図１に示すようなオリジナル文書データとしての紙図書の特定ページを電子データ化したオリジナル文書特定ページ電子化データＯＴＤにおけるＯＣＲ（ＯｐｔｉｃａｌＣｈａｒａｃｔｅｒＲｅｃｏｇｎｉｔｉｏｎ／Ｒｅａｄｅｒ）機能によるレイアウト解析を実行し、本文領域ＨＲとページ番号領域ＰＲとをそれぞれ抽出するものである。図１に示すように本実施形態におけるオリジナル文書特定ページ電子化データＯＴＤには行番号が記載されていない。なお、本実施形態におけるオリジナル文書特定ページ電子化データＯＴＤには紙図書の特定ページをスキャンして得たＰＤＦデータを用いた。

領域抽出手段１０は、データ出力手段６２としてのモニタに出力させた紙図書の特定ページのＰＤＦデータに含まれている文字サイズデータや文字の配置位置データに基づき、予め設定されている識別条件と比較することにより本文領域ＨＲとページ番号領域ＰＲとを識別（区別）して抽出している。ここでは識別条件として、文字サイズデータおよび各文字データのＰＤＦデータ内における平面座標データ（ＰＤＦデータ内における文字データの位置データ）を用いているが、いずれか一方のみを識別条件として用いるようにしてもよい。なお、本実施形態においては、オリジナル文書特定ページ電子化データＯＴＤとしてのＰＤＦデータにおける横方向（データ出力手段６２であるモニタにデフォルト状態で表示した状態における横方向）をｘ軸方向としＰＤＦデータにおける縦方向をｙ軸方向として、それぞれの座標値をＰＤＦデータ内における平面座標データとして用いている。

本実施形態における領域抽出手段１０は、ＰＤＦデータのレイアウト解析を行った際において、文字サイズデータが含まれず、ＰＤＦデータ内における平面座標データのみを含むデータ領域を画像領域ＧＲとして抽出している。

また、電子図書の表示用データ作成者がデータ入力手段６０としてのマウスおよびキーボードを用いて手動操作により特定領域を本文領域ＨＲ、ページ番号領域ＰＲ、画像領域ＧＲとして個別に指定することもできる。この場合、領域抽出手段１０はデータ入力手段６０により実現されていることになる。このように領域抽出手段１０は自動抽出処理と手動抽出処理のいずれの抽出処理も行うことができるのである。

文字データ抽出手段２０は、領域抽出手段１０により抽出された本文領域ＨＲおよびページ番号領域ＰＲにおける文字データの抽出を行うものである。本文領域ＨＲおよびページ番号領域ＰＲからの文字データの抽出処理はＯＣＲ機能による文字認識処理を用いることができる。文字データ抽出手段２０により本文領域ＨＲおよびページ番号領域ＰＲから文字データの抽出を行う際には、オリジナル文書特定ページ電子化データＯＴＤ内としてのＰＤＦデータにおける平面座標データ（以下、単にＰＤＦデータ内における平面座標データという）も同時に抽出されることになる。このように文字データ抽出手段２０により抽出された文字データはテキストデータと平面座標データを有することになる。

文字データ抽出手段２０は、本文領域ＨＲから抽出した文字データを本文文字データＨＭＤとして記憶部７０に記憶させる。文字データ抽出手段２０は、画像領域ＧＲ内に文字データが含まれている場合においては、画像領域ＧＲ内から抽出した文字データを各文字データのＰＤＦデータ内における平面座標データと共に画像内文字データＧＭＤとして画像データＧＤに紐付けした状態で記憶部７０に記憶させることもできる。なお、画像データＧＤの抽出は、画像データ抽出手段としての動作制御部８０が画像領域ＧＲから抽出することができる。抽出された画像データＧＤは、ＰＤＦデータ内における平面座標データが紐付けられた状態で記憶部７０に記憶される。

ページ番号データ付与手段３０は、文字データ抽出手段２０によりページ番号領域ＰＲから抽出された文字データをページ番号データＰＢＤとし、本文文字データＨＭＤの所定位置にページ番号データＰＢＤを付与する。ここでは、本文文字データＨＭＤの先頭位置にページ番号データＰＢＤを付与しているが、本文文字データＨＭＤの末尾位置にページ番号データＰＢＤを付与してもよい。

行番号データ付与手段４０は、本文文字データＨＭＤにおけるＰＤＦデータ内における平面座標データの一方の座標値（ｘ座標値またはｙ座標値）が同値またはその値を中心とする所定の範囲内にある単数または複数の本文文字データＨＭＤを同一行番号グループＧＢＧとし、同一行番号グループＧＢＧの各々に対し本文領域ＨＲの始点側から順番に行番号データＧＢＤを付与する。ここでは行番号データＧＢＤは同一行番号グループＧＢＧの先頭位置に配置した。

行番号データ付与手段４０はＯＣＲ機能における行の切り出し処理により同一行番号グループＧＢＧを設定し、本文領域ＨＲから切り出した行の配列状態から行番号データＧＢＤを付与する処理を実行させてもよい。本実施形態における行番号データ付与手段４０は、行番号データを５の倍数としているが、１からの自然数でそれぞれの同一行番号グループＧＢＧに行番号データＧＢＤを付与するようにすることもできる。

フレーズ分割手段５０は、本文文字データＨＭＤをフレーズ毎に分割し、分割フレーズＢＦを生成するものである。ここでフレーズとは、文あるいは節を統語論的に分析した際の単位を指すものである。具体的には、接置詞句、名詞句、動詞句、形容詞句（連体詞句）、副詞句を示すことができる。

フレーズ分割手段５０により分割フレーズＢＦが生成された場合、行番号データ付与手段４０は、同一行番号グループＧＢＧの先頭位置に分割フレーズＢＦの始点位置または終点位置が存在しない場合には、同一行番号グループＧＢＧの先頭位置の直近位置における分割フレーズＢＦの始点位置または終点位置に行番号データＧＢＤを付与するようにしてもよい。このような形態により、オリジナル文書特定ページ電子化データＯＴＤにおけるレイアウトに対して行番号やページ番号のレイアウトが相違する場合があるが、ページ番号データＰＢＤまたは行番号データＧＢＤへジャンプ（ランダムアクセス）した場合において、文の意味が把握し易くなる。また、音読する際においても読み易くすることができる点において好都合である。

以上に説明した領域抽出手段１０、文字データ抽出手段２０、ページ番号データ付与手段３０、行番号データ付与手段４０、フレーズ分割手段５０は、記憶部７０に予め記憶されている動作制御プログラムＰＧＭに基づいて動作制御部８０（例えばパーソナルコンピュータ９０のＣＰＵ）によってそれぞれ実現することもできる。

次に、第１実施形態における電子図書の表示用データ作成装置１００を用いた電子図書の表示用データ作成方法について図３に基づきながら説明する。

まず、電子図書の表示用データ作成装置１００が実装されているパーソナルコンピュータ９０において動作制御部８０が、オリジナル文書特定ページ電子化データＯＴＤであるＰＤＦデータをデータ出力手段６２であるモニタに出力させる。次に、領域抽出手段１０としての動作制御部８０が、モニタに出力されたＰＤＦデータにＯＣＲ機能のレイアウト解析処理を実行し、本文領域ＨＲおよびページ番号領域ＰＲと画像領域ＧＲを抽出する（領域抽出工程）。このような本文領域ＨＲおよびページ番号領域ＰＲと画像領域ＧＲを抽出する処理工程は、電子図書の表示用データの作成者がデータ入力手段６０であるマウスおよびキーボードを操作し、作成者がＰＤＦデータ内から手動操作によって本文領域ＨＲおよびページ番号領域ＰＲと画像領域ＧＲを直接抽出するようにしてもよい。

次に、文字データ抽出手段２０としての動作制御部８０が、領域抽出手段１０により抽出された本文領域ＨＲおよびページ番号領域ＰＲから文字データを抽出すると共に、抽出した文字データにおけるＰＤＦデータ内における平面座標データを抽出する（文字データ抽出工程）。このような文字データ抽出工程は、ＯＣＲ機能により実現することができるため、ここでの詳細な説明は省略する。抽出された文字データは、文字サイズデータとＰＤＦデータ内における平面座標データが紐付けされた状態で記憶部７０に記憶される。このとき、本文領域ＨＲから抽出された文字データは本文文字データＨＭＤとして、ページ番号領域ＰＲから抽出された文字データはページ番号データとして記憶部７０に記憶される（文字データ抽出工程）。

なお、領域抽出工程において画像領域ＧＲが抽出された場合には、動作制御部８０が画像領域ＧＲから画像データＧＤを抽出し、ＰＤＦデータ内における平面座標データと紐付けした状態で記憶部７０に記憶させる画像抽出工程を追加すればよい。そして、画像抽出工程が行われた場合には、文字データ抽出手段２０としての動作制御部８０が、画像データＧＤ内の文字データの有無を判断させると共に文字データが含まれている場合には、画像内文字データＧＭＤとして抽出すると共に、画像データＧＤおよび画像データＧＤの平面座標データと紐付けした状態で記憶部７０に記憶させる画像内文字データ抽出工程をさらに追加することもできる。

動作制御部８０は記憶部７０に記憶された文字データのうち、紐付けされている文字サイズが他の文字データに紐付けされている文字サイズよりも小さいものをページ番号データＰＢＤとして記憶部７０に記憶させてもよい。また、文字データに紐付けされているＰＤＦデータ内における平面座標データのｘ座標値またはｙ座標値と、他の文字データに紐付けされているＰＤＦデータ内における平面座標データのｘ座標値またはｙ座標値との差が予め設定されている値以上になった場合、文字データに紐付けされているＰＤＦデータ内における平面座標データのｘ座標値がＰＤＦデータ内における右端位置およびその付近、中央位置およびその付近、左端位置及びその付近の値である場合、文字データに紐付けされているＰＤＦデータ内における平面座標データのｘ座標値の範囲が予め設定されている範囲内である場合のいずれかに該当したとき、その文字データをページ番号データＰＢＤとして記憶部７０に記憶させるようにしてもよい。ここで、『その付近』とは、基準となる値に対して予め設定された値の範囲内となる位置を意味するものである（以下同様）。

さらには、これらの識別処理を組み合わせてページ番号データＰＢＤとして記憶部７０に記憶させるようにしてもよい。このとき、画像内文字データＧＭＤについては文字サイズや文字データに紐付けされているＰＤＦデータ内における平面座標データの比較対象から外すこともできる。以上のような文字データ抽出工程を採用することにより、領域抽出工程において本文領域ＨＲとページ番号領域ＰＲとを区別する処理を省略することも可能である。

次にページ番号データ付与手段３０としての動作制御部８０が、文字データ抽出工程において記憶部７０に記憶されたページ番号データＰＢＤをＰＤＦデータ内における本文文字データＨＭＤの所定位置に付与する（ページ番号データ付与工程）。ここでは、ＰＤＦデータ内における本文文字データＨＭＤのヘッダー位置にページ番号データＰＢＤを付与した。

次に行番号データ付与手段４０としての動作制御部８０が、記憶部７０に記憶されている本文文字データＨＭＤのＰＤＦデータ内における平面座標データのうちｘ座標値またはｙ座標値が同値またはその値を中心とする所定の範囲内にある本文文字データＨＭＤを同一行番号グループＧＢＧとして記憶部７０に記憶させる。ＰＤＦデータ内において行の切り出し処理により切り出された行がｘ方向に伸びる（横書き）ものであればｘ座標値を比較し、切り出された行がｙ方向に伸びる（縦書き）ものであればｙ座標値を比較すればよい。このようにしてＰＤＦデータ内における平面座標データに基づいて判断された同一行番号グループＧＢＧの各々に対しては、本文領域ＨＲの始点側から順番に行番号データＧＢＤが付与される（行番号データ付与工程）。

また、動作制御部８０は、記憶部７０に記憶されている画像データＧＤを画像データＧＤに紐付けされている平面座標データと共に読み出し、本文文字データＨＭＤの所定位置に埋め込む画像埋め込み工程を追加することもできる。

以上の手順を実行することにより、オリジナルデータであるＰＤＦデータ（オリジナル文書特定ページ電子化データＯＴＤ）のレイアウトが忠実に維持され、行番号データＧＢＤが付与された図４に示すような電子図書の表示用データＤＨＤを得ることができる。このようにして得られた電子図書の表示用データＤＨＤは、ＨＴＭＬ形式またはＸＭＬ形式に則ったテキストデータとして記憶部７０に記憶される。

なお、フレーズ分割手段５０としての動作制御部８０は、記憶部７０に記憶されているそれぞれの本文文字データＨＭＤをフレーズ毎に分割して分割フレーズＢＦを生成する処理（フレーズ分割工程）をページ番号付与工程と行番号データ付与工程との間に実行することもできる。図５は図４に示した電子図書の表示用データＤＨＤの本文文字データＨＭＤを分割フレーズＢＦ毎に区切った状態を示す説明図である。なお、図５中における分割フレーズＢＦのそれぞれに付されている番号は、このＰＤＦデータ（オリジナル文書特定ページ電子化データＯＴＤ）内における本文文字データＨＭＤにおける分割フレーズＢＦの先頭側からの通し番号である。

本文文字データＨＭＤが分割フレーズＢＦに分割された場合の行番号データ付与工程は、同一行番号グループＧＢＧの先頭位置における分割フレーズＢＦの始点位置または終点位置が存在しないとき、同一行番号グループＧＢＧの先頭位置の直近位置における分割フレーズＢＦの始点位置または終点位置に行番号データＧＢＤを付与する処理を実行する。

このようなフレーズ分割処理工程を経た後に行番号データ付与工程を実行して得られた電子図書の表示用データＤＨＤを図６に示す。図６に示されている電子図書の表示用データＤＨＤは、オリジナルデータであるＰＤＦデータのレイアウトとはわずかに異なる（図５のレイアウトに対して行番号データＧＢＤの５と１５の位置における分割フレーズＢＦの位置が異なる）ことがある。しかしながら、この電子図書の表示用データＤＨＤを適用した電子図書の表示装置において行番号を指定してジャンプをした場合、文章の意味合いの把握や文章の読みを行う際に区切れの良い（読み易い）位置にすることができる点で好都合である。

動作制御部８０は、記憶部７０に記憶された図４または図６に示すテキストデータに基づいて最終的な電子図書の表示用データＤＨＤであるＤＡＩＳＹ図書データを生成して、紙図書の特定ページにおける電子図書の表示用データＤＨＤの生成処理を終了する。

（第２実施形態）
本実施形態における電子図書の表示用データ作成装置１００の基本構成は第１実施形態と同様である。本実施形態の電子図書の表示用データ作成装置１００においては、領域抽出手段１０と行番号データ付与手段４０によるデータの取り扱い内容（データ処理内容）が異なるが、他の構成については第１実施形態におけるデータの取り扱い内容と同様であるため、ここでの詳細な説明は省略する。

本実施形態における領域抽出手段１０は、図７に示すように本文領域ＨＲおよびページ番号領域ＰＲと画像領域ＧＲに加えて行番号領域ＬＲも自動抽出する点で第１実施形態と構成を異にしている。このような構成は、図７に示すような紙図書の特定ページを電子データ化したオリジナル文書特定ページ電子化データＯＴＤに行番号が付与されている場合において好都合である。なお、本実施形態においても、オリジナル文書特定ページ電子化データＯＴＤとしてＰＤＦデータを用いた形態に基づいて説明をおこなうものとする。

領域抽出手段１０は、オリジナルデータであるＰＤＦデータのレイアウト解析をすることにより、本文領域ＨＲおよびページ番号領域ＰＲと画像領域ＧＲと行番号領域ＬＲをそれぞれ抽出することができる。本文領域ＨＲの抽出は、領域の範囲（平面座標データの最大値と最小値の差）が大きく文字サイズも大きい領域を検索することにより抽出することができる。ページ番号領域ＰＲは、文字サイズが小さく、ＰＤＦデータ内における平面座標データの範囲が小さく（予め設定した平面座標データの範囲内に含まれ）、かつ、平面座標データの全範囲の角部分（ｘ座標値とｙ座標値が最大値付近、ｘ座標値が最大値付近かつｙ座標値が最小値付近、ｘ座標値が最小値付近かつｙ座標値が最大値付近、ｘ座標値とｙ座標値が最小値付近のいずれか）または上下の中央部分（ｘ座標値が全ｘ座標値の平均値またはその付近でｙ座標値が最大値付近または最小値付近）のみにある領域を検索することにより抽出することができる（本文領域ＨＲが横書きレイアウトである場合）。

行番号領域ＬＲの抽出は、文字サイズが小さく、ＰＤＦデータにおける平面座標データのうちｘ座標値が同値またはその値を中心とする所定の範囲内にあって、ｙ座標値が一定間隔になっている複数の領域を検索することにより自動抽出をすることができる。または、第１実施形態と同様に、表示用データの作成者がマウスやキーボードを用いて本文領域ＨＲおよびページ番号領域ＰＲと行番号領域ＬＲを各々指定することも可能である。

本実施形態における行番号データ付与手段４０は、行番号領域ＬＲから抽出した文字データ（数字）を行番号データＧＢＤとして用いる点で第１実施形態とデータの取り扱い内容が異なる。本実施形態における行番号データ付与手段４０は、行番号データＧＢＤにおける平面座標データのｙ座標値と同値またはその値を中心とする所定の範囲内のｙ座標値を有する（行番号データＧＢＤの平面座標データと本文文字データＨＭＤの平面座標データとが所定条件を満たす）本文文字データＨＭＤに対して行番号データＧＢＤを付与するものである。

行番号データ付与手段４０は、連続している複数の本文文字データＨＭＤを分断し、行番号データＧＢＤの付与対象となる本文文字データＨＭＤの先頭位置（平面座標データのｙ座標値が同値またはその値を中心とする所定の範囲内にある本文文字データＨＭＤのうち平面座標データのｘ座標値が最も小さい本文文字データＨＭＤ）の直前位置に行番号データＧＢＤを埋め込む処理を実行する。

また、本実施形態における行番号データ付与手段４０は、第１実施形態と同様にしてＯＣＲ機能における行の切り出し処理により同一行番号グループＧＢＧを設定し、同一行番号グループＧＢＧのｙ座標値と同値またはその値を中心とする所定の範囲内のｙ座標値を有する同一行番号グループＧＢＧに、行番号領域ＬＲから抽出した行番号データＧＢＤを付与する処理を行ってもよい。

また行番号データ付与手段４０は、同じくＯＣＲ機能における行の切り出し処理により同一行番号グループＧＢＧを設定し、本文領域ＨＲから切り出した行の配列状態から行番号データＧＢＤを追加付与する処理を実行させてもよい。これにより、行番号領域ＬＲから抽出された行番号データＧＢＤが５の倍数のみである場合等においても、電子図書の表示用データＤＨＤには１からの自然数で行番号データＧＢＤを付与することもできる。

次に、第２実施形態における電子図書の表示用データ作成装置１００を用いた電子図書の表示用データ作成方法について説明する。

まず、第１実施形態と同様に、電子図書の表示用データ作成装置１００が実装されているパーソナルコンピュータ９０において動作制御部８０が、オリジナル文書特定ページ電子化データＯＴＤであるＰＤＦデータをデータ出力手段６２であるモニタに出力させる。次に、領域抽出手段１０としての動作制御部８０が、モニタに出力されたＰＤＦデータにＯＣＲ機能のレイアウト解析処理を実行し、本文領域ＨＲおよびページ番号領域ＰＲと画像領域ＧＲと行番号領域ＬＲをそれぞれ抽出する（領域抽出工程）。このような本文領域ＨＲおよびページ番号領域ＰＲと画像領域ＧＲと行番号領域ＬＲを抽出する処理工程は、電子図書の表示用データの作成者がデータ入力手段６０であるマウスおよびキーボードを操作し、作成者がＰＤＦデータ内から手動操作によって本文領域ＨＲおよびページ番号領域ＰＲと行番号領域ＬＲを直接抽出するようにしてもよい。

次に、文字データ抽出手段２０としての動作制御部８０が、領域抽出手段１０により抽出された本文領域ＨＲおよびページ番号領域ＰＲと画像領域ＧＲと行番号領域ＬＲから文字データを抽出すると共に、抽出した文字データにおけるＰＤＦデータ内における平面座標データを抽出する（文字データ抽出工程）。このような文字データ抽出工程は、ＯＣＲ機能により実現することができるため、ここでの詳細な説明は省略する。ここでのＰＤＦデータ内における平面座標データの構成は第１実施形態と同様である。抽出された文字データは、文字サイズデータとＰＤＦデータ内における平面座標データが紐付けされた状態で記憶部７０に記憶される。このとき、本文領域ＨＲから抽出された文字データは本文文字データＨＭＤとして、ページ番号領域ＰＲから抽出された文字データはページ番号データＰＢＤとして、画像領域ＧＲから抽出された文字データは画像内文字データＧＭＤとして、行番号領域ＬＲから抽出された文字データは行番号データＧＢＤとしてそれぞれ記憶部７０に記憶される（文字データ抽出工程）。

本文領域ＨＲと行番号領域ＬＲとの位置が近接している場合、動作制御部８０は、本文文字データＨＭＤと行番号データＧＢＤとの文字サイズデータおよび平面座標データのうちの少なくとも一方に基づいて両者のデータを識別することができる。

具体的には、本文領域ＨＲは、平面座標データの範囲（平面座標データの最大値と最小値の差）が大きく文字サイズも大きい領域とすることができる。また、ページ番号領域ＰＲは、文字サイズが小さく、ＰＤＦデータ内における平面座標データの範囲が小さく（予め設定した範囲内に含まれ）、かつ、平面座標データの全範囲の角部分（ｘ座標値とｙ座標値が最大値付近、ｘ座標値が最大値付近かつｙ座標値が最小値付近、ｚ座標値が最小値付近かつｙ座標値が最大値付近、ｘ座標値とｙ座標値が最小値付近のいずれか）のみにある領域とすることができる。そして、行番号領域ＬＲは、文字サイズが小さく、ＰＤＦデータにおける平面座標データのうちｘ座標値が同値またはその値を中心とする所定の範囲内にあって、ｙ座標値が一定間隔になっている複数の領域（横書きレイアウトの場合）とすることができる。このような識別方法は、特に本文文字データＨＭＤにおけるルビと行番号データＧＢＤのデータ混合を防止することができる点において好都合である。

次に行番号データ付与手段４０としての動作制御部８０が、記憶部７０に記憶されている本文文字データＨＭＤのＰＤＦデータ内における平面座標データのうちｘ座標値またはｙ座標値が同値またはその値を中心とする所定の範囲内にある本文文字データＨＭＤを同一行番号グループＧＢＧとして記憶部７０に記憶させる。ＰＤＦデータ内において行の切り出し処理により切り出された行がｘ方向に伸びる（横書き）ものであればｘ座標値を比較し、切り出された行がｙ方向に伸びる（縦書き）ものであればｙ座標値を比較すればよい。このようにしてＰＤＦデータ内における平面座標データに基づいて判断された同一行番号グループＧＢＧの各々に対しては、記憶部７０に記憶されている行番号データＧＢＤのｙ座標値との比較を行い、両者のｙ座標値が同値またはその値を中心とする所定の範囲内となった同一行番号グループＧＢＧの先頭位置に対して行番号データＧＢＤが付与される（行番号データ付与工程）。

以上により、オリジナルデータであるＰＤＦデータ（オリジナル文書特定ページ電子化データ）のレイアウトが忠実に維持された図４に示すような電子図書の表示用データＤＨＤを得ることができる。このようにして得られた電子図書の表示用データＤＨＤは記憶部７０に記憶される。なお、必要に応じて第１実施形態と同様に、ページ番号付与工程の後にフレーズ分割工程を経てから行番号データ付与工程を実行し、図６に示すような電子図書の表示用データＤＨＤを得てもよい。

以上の実施形態における電子図書の表示用データ作成装置１００および電子図書の表示用データ作成方法においては、紙図書の特定ページを電子データ化したオリジナル文書特定ページ電子化データＯＴＤとしてＰＤＦデータを用いているが、この形態に限定されるものではない。例えば、いわゆる紙データをスキャンして得たものではなく、当初からのＰＤＦデータ等に代表されるような、文字情報と位置情報が含まれる文書データである電子データを用いることも可能である。

また以上の実施形態においては、オリジナル文書特定ページ電子化データＯＴＤが横書きレイアウトである形態について説明しているが、縦書きレイアウトや、横書きレイアウトと縦書きレイアウトの混合レイアウトについても同様に対応することができる。縦書きレイアウトに対する平面座標データの取り扱いは、本実施形態における横書きレイアウトに対するデータ処理の説明部分におけるｘ座標値の比較をｙ座標値の比較に入れ替えると共に、ｙ座標値の比較をｘ座標値の比較に入れ替えてＰＤＦデータ内における平面座標データとの比較をすればよい。

また、第２実施形態における行番号データ付与手段４０は、フレーズ分割手段５０を有する場合において、連続している複数の本文文字データＨＭＤを分断し、行番号データＧＢＤの付与対象となる本文文字データＨＭＤの先頭位置（平面座標データのｙ座標値が同値またはその値を中心とする所定の範囲内にある本文文字データＨＭＤのうち平面座標データのｘ座標値が最も小さい本文文字データＨＭＤ）の直前位置に行番号データＧＢＤを埋め込んでいるが、直後位置に行番号データＧＢＤを埋め込むようにしてもよい。要は、同一行番号グループＧＢＧの先頭位置に分割フレーズＢＦの始点位置または終点位置が存在しない場合には、同一行番号グループＧＢＧの先頭位置の直近位置における分割フレーズＢＦの始点位置または終点位置に行番号データＧＢＤを付与すればよいのである。

さらには、以上の実施形態における構成に対し、明細書中に記載されている変形例や、他の公知の構成を適宜組み合わせた形態を採用することもできる。

１０領域抽出手段
２０文字データ抽出手段
３０ページ番号データ付与手段
４０行番号データ付与手段
５０フレーズ分割手段
６０データ入力手段
６２データ出力手段
７０記憶部
８０動作制御部
９０パーソナルコンピュータ
１００電子図書の表示用データ作成装置
ＯＴＤオリジナル文書特定ページ電子化データ
ＰＧＭ動作制御プログラム
ＨＲ本文領域
ＰＲページ番号領域
ＧＲ画像領域
ＨＭＤ本文文字データ
ＧＭＤ画像内文字データ
ＰＢＤページ番号データ
ＧＢＧ同一行番号グループ
ＧＢＤ行番号データ
ＢＦ分割フレーズ
ＧＤ画像データ
ＤＨＤ電子図書の表示用データ
ＬＲ行番号領域

Claims

オリジナル文書データの特定ページを電子図書装置に表示するための電子図書の表示用データ作成装置であって、
前記オリジナル文書データの前記特定ページを電子データ化したオリジナル文書特定ページ電子化データにおけるレイアウトから、本文領域とページ番号領域とをそれぞれ抽出する領域抽出手段と、
前記領域抽出手段により抽出された各領域における文字データを抽出すると共に、前記オリジナル文書特定ページ電子化データ内における各文字データの平面座標データを抽出する文字データ抽出手段と、
前記文字データ抽出手段により前記ページ番号領域から抽出された文字データをページ番号データとし、前記文字データ抽出手段により前記本文領域から抽出された本文文字データの所定位置に前記ページ番号データを付与するページ番号データ付与手段と、
前記平面座標データの一方の座標値が所定の範囲内にある前記本文文字データを同一行番号グループとし、前記同一行番号グループの各々に対し前記本文領域の始点側から順番に行番号データを付与する行番号データ付与手段と、
前記本文文字データをフレーズ毎に分割し分割フレーズを生成するフレーズ分割手段と、
を具備し、
前記行番号データ付与手段は、
前記同一行番号グループの先頭位置に前記分割フレーズの始点位置または終点位置が存在しない場合には、前記同一行番号グループの先頭位置の直近位置における前記分割フレーズの前記始点位置または前記終点位置に前記行番号データを付与することを特徴とする電子図書の表示用データ作成装置。
前記領域抽出手段は、
前記オリジナル文書特定ページ電子化データ内における前記平面座標データおよび前記オリジナル文書特定ページ電子化データ内における前記文字データの大きさの少なくとも一方の情報に基づいて、前記本文領域と前記ページ番号領域との識別を行っていることを特徴とする請求項１記載の電子図書の表示用データ作成装置。
オリジナル文書データの特定ページを電子図書装置に表示するための電子図書の表示用データ作成装置であって、
前記オリジナル文書データの前記特定ページを電子データ化したオリジナル文書特定ページ電子化データにおけるレイアウトから、本文領域とページ番号領域と行番号領域とをそれぞれ抽出する領域抽出手段と、
前記領域抽出手段により抽出された各領域における文字データを抽出すると共に、前記オリジナル文書特定ページ電子化データ内における各文字データの平面座標データを抽出する文字データ抽出手段と、
前記文字データ抽出手段により前記ページ番号領域から抽出された文字データをページ番号データとし、前記文字データ抽出手段により前記本文領域から抽出された本文文字データの所定位置に前記ページ番号データを付与するページ番号データ付与手段と、
前記文字データ抽出手段により前記行番号領域から抽出された文字データを行番号データとし、前記行番号データの前記平面座標データと前記本文文字データの前記平面座標データが所定条件を満たす場合、前記本文文字データに、前記行番号データを対応させて付与する行番号データ付与手段と、
を具備することを特徴とする電子図書の表示用データ作成装置。
前記領域抽出手段は、
前記オリジナル文書特定ページ電子化データ内における前記平面座標データおよび前記オリジナル文書特定ページ電子化データ内における前記文字データの大きさの少なくとも一方の情報に基づいて、前記本文領域と前記ページ番号領域と前記行番号領域の識別を行っていることを特徴とする請求項３記載の電子図書の表示用データ作成装置。
前記本文文字データをフレーズ毎に分割し分割フレーズを生成するフレーズ分割手段をさらに備え、
前記行番号データ付与手段は、
前記行番号データの前記平面座標データと前記本文文字データの前記平面座標データとが所定条件を満たす位置の先頭位置に前記分割フレーズの始点位置または終点位置が存在しない場合には、前記行番号データの前記平面座標データと前記本文文字データの前記平面座標データとが所定条件を満たす位置の先頭位置の直近位置における前記分割フレーズの前記始点位置または前記終点位置に前記行番号データを付与することを特徴とする請求項３または４記載の電子図書の表示用データ作成装置。