TW518480B - Method of standardizing character information in electronic document - Google Patents

Description

518480 五、發明說明α) [發明範圍] 本發明與透過以來自對應的標準字型組 子文件t利用-非標準字型組的字元，以= 中字元資訊的方法有關。 电千文件 [發明背景] < 知、f貝例，一電子文件中使用的字型 -文件的人。安裝在電子文件處理設備= 委文任 :、r要使用未包括在-基本 者，因此必須定義此等字元的字.型為外部=之文件生產 子文件中使用此拳字型。這Β ”、兀，以在一電 換期間的問題，而已變成對網m:上的文件之交 激增、和在電子圖書 从路上包子文件的交換 點。 ’子文件的註冊期間的主要缺 電子文件的生產者和讀者餡 、 上以便可靠地交換字：；?:必；有相同的字型組和 ;吏=;式，例如在網際：二=，在資訊的交換= = 在-公司當格式、和在1 「太癸日日 乍子元資訊的棹準〜 集中的檔案中之資料 字型替代在 〜」 f為的。 ^ 在有關的雷+ + 此替代_，- 文件產生季絲 子70螞資訊儲存為=、、先中已經可實行，作 x另一子型替代的字 ΛΛ決的問題]準予型之標準化是必需的4 在 518480 ^—— 五、發明說明（2) 2資訊。舉例來說，外部 =’然後它通常從字元定 .κ即使當使用了大的字 ^的所有基本字元之Un ^ έ產生系統所支援，遍 子組），因為字元在字型（ 型替代不能施行。 使用者將必須在更換字 ^文件當中的編碼值。為 道使用在最初的電子文件 的那些字元之字元的索引 館中時，所積聚文。件的生 目，而使用在所有文件中 中字元的索引之儲存，使 那些文件在實務上不可能, 字元字型通常定義為獨立的字 義的順序決定字元的索引。因 型組例如，舉例來說包括來自全 1C〇de字型（包括未被一般的電子 士數千字的日本工業規格補充漢 子元編碼）當中的索引不同，字 型時，手動地改變字元碼在一電 了要達成這個，使用者將需要知 中之子.型索引，和對應於要替代 。當電子文件積聚在一電子圖書 產者之數目是一持續增加的大數 =字型組的儲存、和在字型組當 得可以—次一個手動地標準化: η 結果，在相關技術中處理電子 ^ — 一 書館和在公司當中集中的檔案一沾：兀資訊之電子圖 作一樣積聚它們，基本上放牵♦ 的込擇是如文件所製 生產者和使用者之間字型環以；準化電子文件。因為 的字元。這在交換電子文件時造” ’因而出現無法瞭解 統所做的電子文件之顯示和處=，不，’且表示由其他系 (Tier-Ο)來源等的系統施行。日太=能由限制於第0層 7-3 1 98 54號中，揭露了一種外部^專，權公告出版第Hei. 有效率的方式製作和散佈外邻 _ f g理系統，以用一種 子凡予型檔案。然而，這種 五、發明說明（3) 技術是用來管理封閉網路壤产 在本發明的目標之電子文‘ f : $部字型，且不能應用 因為本發明要解決上述問題子凡貪訊的標準化。 於提供一種標準化出現在電子因此本發明的一個目標在 夠標準化使用在電子文件的次件中字元資訊的方法 '.能 使用對每個平台或電子文# = 5之累積和轉換中的字型， 不損害資訊的品質。件產生系統不同的多種字型，而 [解決問題的方法] 本發明與藉由以來自一對廡 件中利用一非標準字型組的^亓，乂組之字元取代電子文 元資訊之方法有關，也就是“明f準化電子文件中的字 中字元資訊的方法-，包含步驟：二：-種標準化電子文件 使用的字型、和要提供作為替代^比較在一電子文件中 字型’自動地產生在實際字型替代的目標字型組當中的 矣.與+ ώ ^ , 于1朁代期間引用的字型比較 表，提出一自動地產生的窣刑μ .T ^ ± ^座玍打子土比較表給使用者，並讓使用 ， 乂表中的錯誤；和根據修正的字型比較表，實際 地更換電子文件中的字型。 依照本發明’使用外部字元轉換電子文件為一標準字盤 ，”且例如舉例來說，U n i c 〇 d e字型，和含有一些外國語吕 片#又的笔子文件之轉換是可能的，和相似字元與外國語杏 文件的貧訊之，轉換和累積是可能的。 在本發明一較佳的範例中，一電子文件由一來源、電子 文件中使用的—字型組、供施行標準化的一目標字盤組、 、、發明說明^一____ 的物件t 〜 爻一規則％沾〜 子型比較表的、”的字型物件資訊構成，而在自動地產生 έ曰ϋ 夂日9步驟+ k 在本發明—較佳 v驟中的字 、祀例中，在自動地產生字型比較表的 術實施。此' ^ ’可自動地使用光學字元識別（OCR)技 種序，其中i 正字型比較表中的錯誤之步驟可以是一 用者從候選G J;項！的字型比較表的候選清單，且使 型比較# 4 子兀。描述來源電子文件結構的字 型和字ϋ 一規則組破輸入，而來源電子文件中使用的字 做為替^之標準& ’可在字型替代步驟中施行。要提供 於明字型組可以是UniC〇de字型的一個字型組。本 &月適合應用，在這些情況中的任何一種。 [具體貫施例] 、、且破輪入，—字U平’與對映每一漢字部首有關的一規則 間的對映有關的^ t車父表候選清單被輸出。與相似字元之 i較表候選清單J7推資訊，也可輸出當一參考檔案。泉型 §中的一個字元义—做為元件群組的清單，包含來源字型 2多個字元。優 7在一與來源字型相容的目標字型當中 夕個字元。字次序程度資訊可增加給目標字型當中的 碌予型組和這個2軼表可以是一清單，用來當作在一群來 裂級和這個目標字1字型組當中的字元碼、和一群目標字 件。這些情况中S型組當中的字元碼之間一對應關係的元 表的步騍。 、任何一種可應·用於自動地產生字型比較 圖1是說明本發明標準化一電子文件中字元資訊的方法 之概念的流程圖。本發明現在將依照圖丨描述。首先-藉由

第9頁 518480 發明說明（5) :=在〜電子文件中使用的字型'•字型組當中將要替代的 行_ —子型），以更製作字型比較表的一個候選清單-，執 替代Γ型比較表自動產生步驟，卩自動地產生在實際字型 =間參考的：個字型比較表。接*，自動地產生2 匕較表提巧使用者，使用者執 段’以修正字型比較表中的錯莩 3 表。最後，根據修正過的新字;;▲作一新的字型比較 階段，以實際地替換電子文；以·，執行-字型替代 的電子文件。 的干型，和獲得一標準化 可利用本發明標準化電子文件欠 有電子圖書館、文件管理系“t干兀-貝威的方法之範圍 置（普遍的計算環境）例如PDAs、服器支援的手持裝 等。現在考慮，在電子文件中包：：出版、和網劉覽器 部字元標準化成一 Umcode字型^由一使用者^製作的外 者不只標準化由使用者所，獨立地定月况在此匕况，使用 ττη· ^ , 成& 地疋義的那些外部字元到 ,之内，而且也私準化那些—般字元到Μ。。 :關於-般字*，當電子文件的字型間存在之Ϊ _ho和Unicode字型之間；;\’舉例來說’在微軟 直接的方式施行。子 ‘準化可根據這個比較表以 標準.化電子文件中字元資訊的方法 較表自動產生階段，而對每外部字型執行字型比 的Un1C〇de字型，以便字型^卜^字型獲得^符或相似 G钗表的一個候選清單暫時地

518480 五、發明說明（6) 做為子型比車乂表。子型比較表的候選清單通常9 一外部 比車父表仏月早^執仃予型比較表修正階段，而使用者# 正比較表中的錯誤，也就是使用者從候選清單琴字 髮’而當沒有UniC〇de字型對應到-外部字元時、，八配： 相似的Unicode字型，而當沒有對應的字型 =一

Unlcod字型外部字元。Unic〇de也支援數個C為一 格補充漢字，.以便由使用者所做的日 應雜1—字型。最後，根據校訂的字型比較:子:二對 際地更換電子文件中的字型之字型替代階段表執^貝 準化為Unicode字型的電子文件· 可獲付才示 母個階段的細節〃描述如下。 (1)字型比較表自動產生階段： 在這個又中’與其為來源文件的電子文 則組、在這電子文件中使 有關的一規 字型組、在其後的轉換中作：二行標準化的目標 的物件和對每一漢字部f =作的一比較表、限制字元比較 二鍵部首"， J否列定為相同部首或一 "，和決定-個字元 覜），被輸入當成上述字型户宗次:不同子凡的其他外 比較表候選清.單。在本發又曰貝5fl ’並輪出-字型 較表是—料’其用在-群來源字型組和這個字

第11頁 執行中評估的相似字元間董在這個階段的 參士：案’且可在下一執行期間參考：汛’被輪出當做一 518480

型組（字型索引） 字型組當中對應 字型比較 型組對應 源字型組 的比較之 來源字型 字型當中 優先次序 個階段中 字元比 行0 中的字 字元的 訊包含 指示資 到哪一目標的 當中哪 一字型 當中一 的多個 層次資 輔助手 較使用 一字 群組。 字元的 字元當 訊加；v 動地定 光學字 碼、 字元碼 資訊： 哪一字 要接受 字型比 群組、 成元件 到目標 義字型 元辨識 和一群目標字型組和在這個 之間的對應關係當作元件。 指定表不哪一來源的哪一字 型組的字型群組、和在二來 比較、和構成目標字型當中 較表候選清單是一清單，將 和可對應於此一字元的目標 。在本發明的較佳實施中， 字型中的字元，以便在下一 比較表。 (0 C R )技術透過下列程序實 Φ目私子型組製作要比較的字元群組的樣式。 電子文件挑選—個字元，並檢查它的碼值。 ©如果疋樣式資訊比較的目標之字元的碼值； A·從來源字型組製作這個字元的樣式。 把所獲得的樣式與在①中所獲得群組的樣式比較， 杏σ入相似樣式的一個群組到比較表候選清單。在此較佳 貝軛中在候選/月單當中的優先次序層次資訊在這個時間 複《和©中的程序。 (2)字型比較表修正階段： 在這個階段中，在先前階段中所獲得字型比較表的候選 清單、和這個階段的先前執行所獲得的結果之字型比較

第12頁 518480

輸ii —最終字型比較表被輸出。這個階段主要是 ;i為每先前階段中所獲得的字型比較表之候選清 本發明的較佳實施中，當使：：：早中選擇-個。在 中所製作的字型比較表中一的候選與先前I理 多對-或-對多對映時，這個二或當使用者指定 告知使用I，以便使用者;的處理糸統使用一警告 實施也可具有一功能，在呈規ΐ慮。此外，本發明的較佳 用者時，Μ#2 f子型比較表的候選清單給使 元類型、和可右阱斂〜_ + \予兀名％、子兀意義、子 (，替代：子…考的其他資訊 之規=i奴f出的〃字型比較表、描述電子來源文件的結構 與來源相同^描述目、標電子文件的結構之規則組（其可能 那些字型〜格式）被輸入’而在來源電子文件中使用的 件的袼式=兀碼被標準，化。當在來源和目標之間電子文 地在這個阿結構不一致時，電子文件格式的轉換也可同時 如在本ΪΪΓ行： 明標準化^月的目的中所陳述’在上面詳細地描述的本發 使用因每f子文件中字元資訊的方法，除了能夠標準化一 使用在電=平台或電子文件產生系統而不同的各種字型一 資訊的2所文件的資訊之累積和轉換中的字犁，而不損害 (1)使貝，也可用來達成下列插述的各種目標。 成普遍用各種字元碼的電子文件之字元碼，玎透過轉換 了解的字元碼Uni code，輕易地製作成遵循網際

518480 五、發明說明（9) 網路標準的文件描述語言例如XML，而然後電子文件可在 網路上出版。 (2)電子圖書館中和公司中集中的檔案之資訊檢索的效~ 率，可藉由標準化使用各種字元碼的電子文件之字元碟成 為特定的字元碼而改良。 (3 )藉由反向地轉換使用標準化的字元碼和字元字型累 積和交換的電子文件，成為此用戶環境獨特的字元碼和字 型，即使在在.沒有資訊交換中所使用的字型的環境中，電 子文件可使用相似的字元顯示。 (4) 藉由反向地轉換使用標準化的字元碼和字元字型累 積和交換的電子文件，成為對 < 戶環境獨特的字元碼和字 型，用戶環境中資。訊處理的效率可增加。 (5) 在字元碼和字型的標準化期間參考的比較表之半自 動化的結果，使用者工作量可大大地減少，而標準化那些 文件所必需的工作量可減，少到一更行的層次。 (6) 舉例來說，當一第0層系統中有一些資源（當有一些 字型或當沒有轉換表和函數，以便用一有效的方式處理來 自一原始電子文件的字元碼之文件成為這個系統的字元 碼）要顯示和處理在另一系統中製作的文件時，改變電子 文件的格式成為可在一用戶環境中處理的格式，是藉由將 要最佳化成有一些資源的用戶環境之文件的標準化，交託 給此電子文件的存取期間之存取路徑中的一個中間伺服 (7) 字元碼和字型的比較表之自動產生的效率，可藉由

第14頁 518480 、發明說明（ίο) ! = 增進，其在相關的技街φ 〜 别標準化的各別文件時只能獨立地Ϊ;術中，當參考-先 (8)在對映時犯錯的可能性，可夢、。 驗、藉由自動地產生字元碼、和在3夹由使用過去的對映經- 別文件時使用一字型對映表減二考一過去標準化畋各 誤的因素。 下列情況可視為對映錯 .當在目標字型組中存在形式相 有可能對映錯誤的字元或在 夕個相似字元時， 致。 隹子皂中可能出現不一 •當在來源字型組中存在形式 有可能多於一個字元對映一個目·標^的多個相似字元時， (9 )在對映已經在先前定義的 +疋。 元(字型）的比較，可藉由敘述自二票字上組當中字 型群組避免。 只行的字元比較之字 (1 〇)由於在對映已經在，先前定義 中字元（字型）的比較，可藉由敘述自J源：目·標字型組當 之字型群組避免，使用者不打算產動地貫行的字元比較 一日本工業規格χ〇2〇8層次！日本工2產士（—舉例來說， 日本工業規格Χ0 208層次2字元）的士、/格字兀被對映為一 (11)對映的準確性由於不同字體的較—表之危險減少。 圍，可藉由定義包含在來源中比_蛀t型之比較而減少範 降低。 乂寻疋字型的目標字型而 (1 2)藉由註記語言和語言所使用 a 在比較表的自動產生期間引入語言學予型組之間的關係， 518480 五、發明說明（11) 樣，藉由比較字元資訊所獲得、其為轉換的目的之字元， 被當成與先前和後續字元相連接的單字，而可增進比較表 的自動產生之準確性。 [本發明的優點] 、, 如從上面的描述而變得顯而易見的，依照本發明，轉換 使用外部字元的電子文件成為一標準字型組例如，舉例來 說，Unicode字型、和轉換含有一些外國語言片段的電子 文件是可能的，且相似字元的資訊和外國語言文件的轉換 和累積是可能的。 圖式概述 圖1是一流程圖，舉例說明本各明標準化出現在電子文 件中字元資訊的方。法之概念。

第16頁

Claims (1)

1. 518480 六、申請專利範圍 1 . 一種標準化電子文件中字元資訊之方法，包含步驟： 藉由比較在一電子文件中使用的字型、和要提供作為替 代字型的目標字型組當中的字型，自動地產生在實際字迢 替代期間引用的字型比較表； Y 提出一自動地產生的字型比較表給一使用者，並讓該使 用者修正該字型比較表中的錯誤；和 根據修正的字型比較表，實際地替換該電子文件中的該 字型。 2. 如申請專利範圍第1項標準化電子文件中字元資訊之 方法，其中一電子文件由一來源、該電子文件中使用的一 字型組、供施行標準化的一目標β字型組、在一先前的轉換 中產生的一比較表…和描述限制字元比較的物件之一規則 組的字型物件資訊構成，而在該自動地產生該字型比較表 的步驟中，與對映每一漢字部首有關的一規則組被輸入， 一字型比較表候選清單被輸出。 3. 如申請專利範圍第2項標準化電子文件中字元資訊之 方法，其中與相似的字元之間的對映相關之加權資訊被輸 出當成一參考檔案。 4. 如申請專利範圍第2項標準化電子文件中字元資訊之 方法，其中該字型比較表候選清單是一作為元件群組的清 單，包含在一來源字型當中的一字元、和在與該來源字型 相容的一目標字型當中的多個字元。 5. 如申請專利範圍第4項標準化電子文件中字元資訊之 方法，其中對該目標字型當中的該等多個字元加入優先次

   第17頁 518480 六、申請專利範圍 序程度資訊。 6. 如申請專利範圍第1項標準化電子文件中字元資訊之 方法，其中字型比較表是一清單，用來當作在一群來源字 型組和這個來源字型組當中的字元碼、和一群目標字型j且 和這個目標字型組當中的字元碼之間一對應關係的元件。 7. 如'申請專利範圍第1項標準化電子文件中字元資訊之 方法，其中在自動地產生該字型比較表的該步驟中之字型 比較，是自動地使用光學字元識別（OCR)技術施行。 8. 如申請專利範圍第1項標準化電子文件中字元資訊之 方法，其中修正該字型比較表中的錯誤之該步驟是一程 序，其中顯示每一項目的字型比>交表的候選清單，且該使 用者從該候選清單「選擇一字元。 9. 如申請專利範圍第1項標準化電子文件中字元資訊之 方法，其中輸入一字型比較表和一描述來源電子文件的結 構之規則組，而該來源電，子文件中使用的字型和字元碼之 標準化，在該字型替代步驟中施行。 1 0.如申請專利範圍第1項標準化電子文件中字元資訊之 方法，其中要提供作為替代的該字型組，是一單一碼 (Unicode)字型的字型組。

   第18頁