一种基于跳转处理及双重校验的多篇电子文档分篇算法

摘要

本发明新型公开了一种基于跳转处理及双重校验的多篇电子文档分篇算法,篇名标引特征提取及特征组合，根据多篇电子文档的文章字体字号、空间位置、语种属性等，提取篇名特征，并将这些特征不同权重组合，形成篇名判定函数、判定函数中,步骤二，根据特征组合提取文档的文章篇名(即文章的起始位置)，对输入的电子文档的含字体信息位置信息的字符流进行合并行预处理,步骤三，基于印刷页码提示和基于分割线提示的跳转内容检索及处理，步骤四，文章终止位置的确定，获得文章篇名和处理完跳转内容后，判定文章终止位置及文章页码范围，步骤五，文章要素项数据提取，根据文章元素内容验证文章有效性及再标引。