JPH02297264A - 文書処理装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［発明の目的］ （産業上の利用分野） 本弁明は、例えばワードプロセッサ等で作成された文書
を任意のよ式に整形する文書処理装置に係わり、特に図
表を含んだ文書データの整形を行うのに好適な文書処理
ｇ置に関する。

（従来の技＃１） ワードプロセッサ等で作成された文ｌ中には、文章デー
タの流れの中に図表のように文章とは形態の異なる２次
元的なまとまりを持ったものが含まれることが多い。見
出し、段落等からなる文章データの流れは、基本的には
１列に並ぶ線状のデータであり、整形時に１頁の行数、
桁数等が異なる様々な書式を用いることが可能である。

これに対し、図表等のように、作成時の２次元に展開さ
れた位置が重要な意味を持つものは、この位置関係を損
なうような占式に変更することはできない。

実際、従来のワードプロセッサ等で一度整形した支店を
書式を変えて再整形する場合、文書中に埋めこまれた図
表が思う通りに再配置されないことが多い。即ち、文書
データで構成されている図表が頁亘りを起こしたり、タ
ブ位置がずれて元通りの形態に印刷されない等の問題が
起こる。図形コードと文字コードとが関係付けられてい
ないシステムでは、編集によって文字と図形とがずれて
しまうこともある。こういったずれを修正する作業は人
手に頼る部分が多く、非常に繁雑で時間がかかる作業で
ある。

そこで、一部のシステムでは、このような問題点を解決
するため、図表を構成する文字データ、図形及びイメー
ジデータの２次元的なまとまりを１つの枠内に収容し、
その枠筒拡大、縮小及び移動等の編集を行えるようにし
たものが知られている。しかし、この場合には、一つ一
つの図表データに対して枠を設定し、この枠にｆ−夕を
持たせる指定を行わなくてはならない。

また、ＯＣＲ（光学文字読取装＠）を使用したシステム
の中には、本文、図形及びイメージの存在する範囲を夫
々識別し、これ等を文字コード、図形コード及びイメー
ジデータ等として別々に切り出して、別の文書中の任意
の位置に再現プるものも提案されている。しかし、文書
中に埋め込まれた表のように文章との区切りがはっきり
しないものは、ＯＣＲのようなイメージレベルの解析の
みでは図表部分を完全に識別することはできない。

また、コードで記録されている文章を処理するシステム
においては、イメージに変操せずにＯＣＲと同様の処理
を行うものはない。

一方、文章と図表との参照関係により、図表の位置を割
り付ける図表データ割り付は装置（特開昭６１−２１５
７０号）が知られているが、この装置においては、図表
データは文章データと区別され、１図表ずつ区切られて
いるものを前提としている。但し、このシステムでは、
文章中に含まれるものでも、図表見出しと図表を割り付
けるための複数の空行に関しては、この部分が１つの図
表領域であることを識別する握能も持つが（特開昭６３
−７５８７０５号）、それ以外の図表の内容に属する文
字データを文章から識別する機能は無い。

（発明が解決しようとする課題） このように、従来の文書処理装置では、整形した文章を
樗式変更によって再整形する際、本文中に埋め込まれた
文字データによって構成されている図表の形態が崩れた
り、文字データと図形やイメージデータの表示位置がず
れることがあり、これを修正するための作業がユーザの
大きな負担になるという問題があった。

本発明はかかる問題点に鑑みなされたものであって、文
章データ中に図表の混在する交円データの編集作業を極
めて容易に行うことができ、ユーザの負担を大幅に軽減
させることを可能とする文書処理装置を提供することを
目的とする。

［発明の構成１ （課題を解決するための手段） 本発明に係る文書処理装置は、文字コードを含む文よデ
ータを入力データとして入力する入力手段と、この入力
手段から入力された文字］−ドにより構成され所定の区
切りコードによって区切られた各文字列の表示画面上の
位置を示すレイアウト情報を抽出するレイアウト情報抽
出手段と、このレイアウト情報抽出部で抽出された各文
字列が見出し、項目、番号及び数式等の形態情報のうち
どの形態情報であるかを抽出する形態情報抽出手段と、
前記レイアウト情報抽出手段で抽出されたレイアウト情
報に基づいて互いに隣接する複数行に亘る文字列の表示
位置の規則性を判定すると共に、前記形態情報抽出手段
で抽出された形態情報に基づいて文書中に挿入された図
表及び式等の図表的なまとまりを構成する文字コード列
を抽出する図表範囲決定手段とを具備したことを特徴と
している。

なお、図表範囲決定手段は、例えば隣接する複数行にお
いて同じ表示位置にある文字列の形態情報の類似性とを
判定して図表範囲を決定する、又は隣接する複数行に亘
って同じ表示位置にある文字列が形態的に連続して文を
構成するかどうかを判定して図表範囲を決定する、更に
は、各文字列の位置と形態情報とから図表見出しと図表
内容とを識別し、近接する図表見出しと図表内容群とを
１つの図表を構成するまとまりと決定する等の処理を行
うものである。

また、本発明では、文字データから位置関係を指示する
用語を用いて図表を参照する図表参照箇所を抽出する図
表参照箇所抽出部を更に備えるようにし、前記図表範囲
決定手段が、前記図表参照箇所抽出部によって抽出され
た参照箇所が指示する位置関係に基づいて対応する図表
の範囲を決定するようにしてもよい。

（作用） 本発明においては、レイアウト情報抽出手段で抽出され
たレイアウト情報に基づいて、図表範囲決定手段が、互
いに隣接する複数行に回る文字列の表示位置の規則性を
判定し、更に、前記形態情報抽出手段で抽出された形態
情報に基づいて文書中に挿入された図表及び式等の図表
的なまとまりを構成する文字コード列を抽出する。この
ため、このように抽出された文字コード列を図表として
識別することが可能となる。

これにより、ユーザは図表が混在している文章データ中
の図表範囲を指定する作業からｆａｌｌ欣される。この
機能を文出編集装置に組み込むことにより、図表毎の編
集作業が容易になる。

なお、図表範囲は、１行に文字列が複数並び、かつ隣接
行に亘って同一位置に類似の形態属性が並んでいる等の
条件を判定することにより決定できる。この場合、隣接
する複数行に亘って同じ表示位置にある文字列が形態的
に連続している、又は、近接する図表見出しと図表内容
群とを抽出する等の処理を行うことにより、図表範囲の
決定粘度を高めることができる。

また、文書データ中の図表参照箇所を抽出し、この参照
箇所が指示する位置関係を図表範囲決定の一つの基準と
することにより、図表範囲を更に精度よく決定すること
ができる。

（実施例） 以下、添付の図面に基づいて本発明の実施例について説
明する。

第１図は本発明の一実施例に係る文書処ｌ！Ｉ！装置の
概略構成を示すブロック図である。

この文よ処Ｊｌ装置は、文よ管理部１０を中心として、
入力部２０．文書データ記憶部３０、レイアウト情報抽
出部４０、文６３４Ｍ造記憶部５０、形態情報抽出部６
０、図表範囲決定部７０、図表参照箇所抽出部８０及び
出力部９０から構成されている。

入力部２０は、文字コードを含む文書データ及び操作の
ための各種コマンドを入力するためのもので、例えばキ
ーボード及びイメージリーダ等がこれに該当する。

文書データ記憶部３０は、入力部２０によって入力され
た文１７−タを記憶する。

処理を行う文書データは、入力部２０又は文占データ記
憶部３０から呼び出されて処理全体の管理を行う文書管
理部１０に送られる。

レイアウト情報抽出部４０は、文よ管理部１０から送ら
れてくる文書データ、即ち文字コード列を、所定の区切
りコードによって区切られた１まとまりの文字列毎に切
り出し、これら切り出された文字列の表示上の位置やサ
イズ等を割り出して文肉ＩＩ４造記憶部５０の各文字列
の記憶領域によき込む。

形態情報抽出部６０は、文書管理部１０から送られてく
る各文字列の英数記号やキーワードをキーワード辞書６
１とのマツチングにより抽出し、その抽出結果を各文字
列の形態情報として文書構造記憶部５０に困き込む。

図表範囲決定部７０は、支出４１１造記憶部５０に格納
された各文字列のレイアウト情報と形態情報とからまと
まり判定規則辞溜７１を使用して各文字列間の関係付け
を行い、図表をなすまとまりを判定し、文よ構造記憶部
５０に書き込む。

図表参照箇所抽出部８０は、文書データ記憶部３０に記
憶された文字列データから、図表の参照箇所を指示する
用語を抽出する。

出力部８０は、整形されに文書データ又は文書構造記憶
部５０に格納された各文字列のレイアウト情報、形態情
報及びまとまり情報等を出力するためものである。

次にこのように４１１成された本実施例に係る支間処理
装置の動作について説明する。

入力部２０を介して文字コードからなる文書データが入
力されると、この文書データは文書管理部１０によって
文書データ記憶部３０に転送される。

続いて文書管理部１０は、レイアウト情報抽出部４０、
形態情報抽出部６０及び図表範囲決定部７０を適宜起動
して１２図に示すようなフローに従って上記文書データ
記憶部３０に格納された文書データを処理する。

まず、第２図（ａ）のレイアウト情報の抽出処理が行な
われる。例えば、入力された文書データが第３図に示す
ようなデータであるとすると、レイアウト情報抽出部４
０は、まず文よデータ記憶部３０から文字コード列を１
文字ずつ読み出しながら、空白（タブ）、改行又は改頁
によって区切られた各文字列を切り出ず（ステップ１）
。そして、レイアウト情報抽出部４０は、切り出された
各文字列毎に、例えば第４図（ａ）に示すように、開始
桁、中心桁及び終了桁と、その文字列が含まれる行番号
、文番号及び頁番号を求め、これらを文字列のレイアウ
ト情報として文書構造記憶部５０に格納する（ステップ
２）。

第５図は、レイアウト情報抽出部４０における処理の詳
細を示すフローチャートである。基本的には、頁番号ｐ
、文番号ｐｎ及び行番号Ｉｎを順次更新しながら改行、
改頁及び空白等の区切りマークを検出し、これらが検出
されたら文字列番号を更新して文字列情報をよき出して
いくことにより、処理が進められていく。

次に、第２図（ｂ）の形態情報抽出処理が行なわれる。

即ち、まず形態情報抽出部６０は、レイアウト情報抽出
部４０で切り出した各文字列を読み出す（ステップ３）
。続いて例えば第６図に示すようなキーワード辞店６１
を参照しながら、各文字列の頭から一致するカテゴリを
捜していく（ステップ４）。例えば、第３図に示した文
書データ中の文字列「３．性能比較」では、「３」が第
６図の辞書のカテゴリ■、数字の１．一般の中の３番目
の項目「３」に一致するので、この文字種を（数字−一
般−３）と決定する。次の文字峙「、」は、カテゴリ■
１句読点の２．英文の１番目の項目と一致するため（句
読点−英文−■）と決足りる。しかし、その後の文字種
「性能評価」は、キーワード辞よ中に該当する項目が無
いため、（その他）とする。

次にこのような文字種の並びを、例えば第７図に示すよ
うな各形態属性を現す文字種パターンと照合する（ステ
ップ５）。例えば上述した例「３゜性能評価」は、第８
図に示すように、見出しのパターン１に一致する。この
ように、照合するパターンが属する形態属性を文字列の
形態情報として、例えば第４図（ｂ）に示すように、文
書構造記憶部５０に格納する（ステップ６）。

続いて第２図（Ｃ）の図表範囲決定処理が行なわれる。

図表範囲決定部７０は、例えば第９図に示すようなまと
まり判別規則を順次読み出しくステップ７）、図表範囲
決定処理を行う（ステップ８）。そして、読み出す規則
が無くなるまで、この処理を繰り返す（ステップ９）。

第１０図にこの図表範囲決定処理の詳細フローを示す。

まず、判別規則１に注目する（ステップ１１）。

この規則では、１つの図表範囲をなす条件として、項目
という文字列を３つ以上持つ行が２行以上連続している
ことを求めている。そこで、項目が３つ以上ある行を探
索する（ステップ１２）。第４図の支間構造を見ると、
５４行目がその条件に当てはまる。図表範囲と文章との
区切りのために、空行を必要とするかどうかの区切り条
件（ステップ１３）は無いので、ステップ１３からステ
ップ１４へ移る。次に文字列が存在する行は５５行なの
で、その間の空行数は０となり、行間の空行数条件（ス
テップ１４）を満たしている。このためステップ１５へ
進む。しかし、５５行目は、項目を１つしか含まないた
め、ステップ１６へ進む。

しかし連続行数が１行のため、ステップ１６の条件を満
たさず、ステップ１２へ戻る。他に判別規則１を満たす
行がないとすると、ステップ１７．ＩＩ）〜らステップ
１２へ戻る。

次に判別規則２を読み出すが、この規則を満たす図表範
囲は無いので、判別規則３を読み出すくステップ１２．
１７．１１＞。

判別規則３の行条件は、項目、数式又は番号という形態
情報の文字列を１行に３つ以上持つという条件であり、
５４行目がこれに当てはまる（ステップ１２）。この場
合も区切り条件は無く、行間の空き行数条件の０も満た
しているため、ステップ１５へ移る。今度は、次の５５
行目が条件に当てはまるので、ステップ１８へ移り、行
形悪条件が表のため、ステップ１９へ移る。ここで、５
４行目の文字列ｗｎｏ＝６４．６５．６６．６７の開始
桁Ｓ　［ｗｎＯ］　、中心桁Ｃ［ｗｎＯ］及び終了桁Ｅ
　［ｗｎＯ］と、５５行目の文字列Ｗｎ１＝６８．６９
，７０．７１の開始桁Ｓ［ｗｎ１］、中心桁Ｃ［ｗｎ１
］、終了桁Ｅ［ｗｎ１］を用いて、これら文字列が、例
えば第１１図のような位置関係を求める条件のうちどれ
に当てはまるかを判定する。このとき、例えば第１２図
のように、前後の行で、左右の文字列が噛み合っている
と表形態にならない。従って、図表範囲の最初の行から
調べて噛み合いが無ければ表形態であるとする。

５４行と５５行とは噛み合いがないため表形態となり、
ステップ１４へ戻る。同様に５６行と５７行も図表範囲
に含まれることがわかる。更に５８行目の文字列がない
ため、５８行が空行であることがわかるが、行間の空行
数条件のＯを超えるので、ステップ１６へ移る。このと
き図表範囲となる連続行数条件３行を満たしているため
、ステップ２０へ移るが、区切り条件は無いので、５４
行目から５７行目の文字列６４〜７９が１つの図表範囲
と決定される。

このように、第９図のまとまり判定規則では、１行に含
まれる文字列の数が多く、項目の形態をしている項目、
数式又は番号等のように類似する形態属性が複数行に亘
って同一位置に並んでいる等の条件を用いている。しか
し、本発明はこのようなものに限定されるものではなく
、抽出づるレイアウト情報や形態情報を変えることによ
って、様々な判別規則が考えられる。例えば、キーワー
ド辞謹６１に図表見出しを特定する「図」、ｒＦｉａＪ
及び「表」というキーワードを登録し、図表見出しとい
う形態属性を決定する規則を追加し、まとまり判別規則
７１に、この図表見出しに前後する表形態の文字列を持
つ行を１つの図表とするという規則を追加すれば、例え
ば第１３図に示すような例文の「表１」から図表範囲が
３４行乃至４１行であることがわかる。ここで、第１３
図の例文の２４行目のような章見出しや、２５行目のよ
うな節見出しといつた支出の構造まで自動抽出すれば、
これらのような図表の内容と誤り易い形態の文字列が並
んでいても、誤りなく識別できる判別規則を備えること
ができる。

なお、上記の説明では、第１図に示した図表参照箇所抽
出部８０について特に言及しなかったが、この図表参照
箇所抽出部８０により、例えば第１４図に示す例文の３
３行に含まれる「下表に示す」のような、図表の参照箇
所から図表位置を示している部分を抽出することにより
、レイアウト情報からその部分の下に位置する文字列に
対して、まとまり判別規則を適用することで、より正確
に図表範囲を決定することもできる。

［発明の効果］ 以上述べたように本発明によれば、文書データを構成す
る文字列のレイアウト情報と形態情報とから文章中に混
在している２次元的なまとまりを有する図表範囲を識別
するようにしたので、文章の流れの中から、図表データ
を正確に切り出すことができ、文関編集時や再整形時に
文章と図表とを区別して処理することができる。従って
、図表を含む文書データの編集作業を極めて容易に行う
ことができる。

【図面の簡単な説明】

第１図乃至第１４図は本発明の一実施例に係る支出処理
装置を説明するための図で、第１図は文崗処哩装置の構
成を示すブロック図、第２図は処理の全体的な流れを示
す流れ図、第３図は入力される文書データの一例を示す
図、第４図は抽出されたレイアウト情報及び形態情報の
一例を示す図、第５図はレイアウト情報抽出処理の流れ
を示す流れ図、第６図は形態情報抽出部で使用されるキ
ーワード故国の一例を示す図、第７図は文字列の形態パ
ターンから形態属性を決定するための規則を示す図、第
８図は文字列の形態パターンから形態属性を決定する様
子を示す図、第９図はまとまり判定規則の一例を示す図
、第１０図は図表範囲決定処理の流れを示す流れ図、第
１１図は文字列同士の位置関係を判別する規則の一例を
示す図、第１２図は表形態と表形態以外の文字列との位
置関係を示す図、第１３図及び第１４図は入力される文
書データの他の例を夫々示す図である。 １０・・・文書管理部、２０・・・入力部、３０・・・
文書データ記憶部、４０・・・レイアウト情報抽出部、
５Ｏ・・・文書構造記憶部、６０・・・形態情報抽出部
、６１・・・キーワード故国、７０・・・図表範囲決定
部、７１・・・まとまり判定規則辞潔。 出願人代理人　弁理士　鈴江　武彦 第２図 第 図 ■・−、ｅ欠はコード 第 図 第 図 中ＩＱ・ 中１（′

Claims (5)

【特許請求の範囲】
1. （１）文字コードを含む文書データを入力データとして
   入力する入力手段と、 この入力手段から入力された文字コードにより構成され
   所定の区切りコードによって区切られた各文字列の表示
   画面上の位置を示すレイアウト情報を抽出するレイアウ
   ト情報抽出手段と、このレイアウト情報抽出手段で抽出
   された各文字列が見出し、項目、番号及び数式等の形態
   情報のうちどの形態情報に該当するかを抽出する形態情
   報抽出手段と、 前記レイアウト情報抽出手段で抽出されたレイアウト情
   報に基づいて互いに隣接する複数行に亘る文字列の表示
   位置の規則性を判定すると共に、前記形態情報抽出手段
   で抽出された形態情報に基づいて文書中に挿入された図
   表及び式等の図表的なまとまりを構成する文字コード列
   を抽出する図表範囲決定手段とを具備したことを特徴と
   する文書処理装置。
2. （２）前記図表範囲決定手段は、隣接する複数行におい
   て同じ表示位置にある文字列の形態情報の類似性とを判
   定して図表範囲を決定するものであることを特徴とする
   請求項１記載の文書処理装置。
3. （３）前記図表範囲決定手段は、隣接する複数行に亘っ
   て同じ表示位置にある文字列が形態的に連続して文を構
   成するか否かを判定して図表範囲を決定することを特徴
   とする請求項１又は２記載の文書処理装置。
4. （４）前記図表範囲決定手段は、各文字列の位置と形態
   情報とから図表見出しと図表内容とを識別し、近接する
   図表見出しと図表内容群とを１つの図表を構成するまと
   まりと決定するものであることを特徴とする請求項１乃
   至３のいずれか１項に記載の文書処理装置。
5. （５）文字データから位置関係を指示する用語を用いて
   図表を参照する図表参照箇所を抽出する図表参照箇所抽
   出部を更に備え、前記図表範囲決定手段は、前記図表参
   照箇所抽出部によって抽出された参照箇所が指示する位
   置関係に基づいて対応する図表の範囲を決定するもので
   あることを特徴とする請求項１乃至４のいずれか１項に
   記載の文書処理装置。