公开(公告)号：US20060143555A1

公开(公告)日：2006-06-29

申请号：US10768178

申请日：2004-02-02

申请人： Xiaohong Huang ,  Guowei Xu

发明人： Xiaohong Huang ,  Guowei Xu

IPC分类号： G06F17/21

CPC分类号： G06F17/2745

摘要： The present invention discloses an apparatus for extracting information from a formatted document, comprising: an input unit (1) for inputting a formatted document; a unit (2) for analyzing the input formatted document and saving the particular typographic information, a unit (3) for identifying special character strings on the basis of the analysis result by means of the typographic information such as font size, character font, color, etc.; a unit (4) for extracting the identified special character strings; and an output unit (5) for outputting the extracted character strings. When the typographic information of a certain character string is determined as a special typographic information, said character string is determined to be special character string. Thus, the present apparatus is able to automatically extract information from different types of format documents.

摘要翻译： 本发明公开了一种从格式化文档中提取信息的装置，包括：输入单元（1），用于输入格式化的文档; 用于分析输入的格式化文档并保存特定印刷信息的单元（2），用于根据分析结果通过诸如字体大小，字符字体，颜色等印刷信息识别特殊字符串的单元（3） 等等 用于提取所识别的特殊字符串的单元（4） 以及用于输出提取的字符串的输出单元（5）。 当将特定字符串的印刷信息确定为特殊印刷信息时，所述字符串被确定为特殊字符串。 因此，本装置能够自动地从不同类型的格式文档中提取信息。