字符轉(zhuǎn)換系統(tǒng)和字符轉(zhuǎn)換方法
【專利摘要】本發(fā)明提供了一種字符轉(zhuǎn)換系統(tǒng)，包括：解析單元，解析接收到的數(shù)據(jù)，確定數(shù)據(jù)所包含的至少一個字符，并獲取至少一個字符中每個字符對應(yīng)的屬性信息；判斷單元，對于每個字符，根據(jù)屬性信息確定字符的字形位圖，判斷字形位圖是否滿足預(yù)設(shè)條件；轉(zhuǎn)換單元，在判斷單元判定滿足預(yù)設(shè)條件的情況下，根據(jù)屬性信息確定字符的初始內(nèi)碼，并根據(jù)初始內(nèi)碼對字符進行轉(zhuǎn)換，在判斷單元判定不滿足預(yù)設(shè)條件的情況下，根據(jù)字形位圖識別字符的實際內(nèi)碼，并根據(jù)實際內(nèi)碼對字符進行轉(zhuǎn)換。本發(fā)明還提出了一種字符轉(zhuǎn)換方法。通過本發(fā)明的技術(shù)方案，能夠在字符轉(zhuǎn)換過程中自動修正內(nèi)碼錯誤，避免了鑒定錯誤文檔與修復(fù)或重建文檔而耗費時間，減輕了字符轉(zhuǎn)換時系統(tǒng)的負擔。
【專利說明】字符轉(zhuǎn)換系統(tǒng)和字符轉(zhuǎn)換方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及文字處理【技術(shù)領(lǐng)域】，具體而言，涉及一種字符轉(zhuǎn)換系統(tǒng)和一種字符轉(zhuǎn) 換方法。

【背景技術(shù)】
[0002] 中文文字有簡體字與繁體字之分，然而因為簡體字與繁體字之間的差異甚大，造 成了這兩種文字的使用者在交流信息上的隔閡。不僅是簡體字的使用者在閱讀繁體字上 有一定的困難，對于沒接觸過簡體字的繁體字使用者來說，閱讀一份簡體字文件也只能理 解其中的部分內(nèi)容。另外，簡體字與繁體字所使用的編碼也不相同，簡體字是用GB (國標） 編碼，繁體字則是使用Big5碼，因此如果使用者所在的本地端沒有裝設(shè)相應(yīng)的編解碼設(shè)備 時，就會有顯示亂碼的情形發(fā)生。
[0003] 簡繁轉(zhuǎn)換工具正是根據(jù)此需求產(chǎn)生，無論是網(wǎng)站或文字編輯軟件幾乎都附有這類 的簡繁轉(zhuǎn)化工具，但要正確無誤的轉(zhuǎn)換一份簡體字或繁體字文件，卻并不輕松。通常的簡繁 轉(zhuǎn)換是根據(jù)簡/繁體文字的內(nèi)碼查找相對應(yīng)的繁/簡體文字內(nèi)碼來進行轉(zhuǎn)換，但當遇到內(nèi) 碼錯誤的情況就會出現(xiàn)轉(zhuǎn)換出的內(nèi)容與實際大相徑庭的情況。這種文字內(nèi)碼與其字形不匹 配的現(xiàn)象稱作亂碼現(xiàn)象。
[0004] 亂碼現(xiàn)象通常存在于含有內(nèi)嵌字體數(shù)據(jù)格式的文檔中，比如PDF或ePub等格式的 文檔。含有亂碼(錯誤內(nèi)碼)的文檔通常是顯示正確，而在提取或復(fù)制文字時卻出現(xiàn)亂碼，這 是由于文檔在被制作時使用了特殊的字體或內(nèi)嵌的字體數(shù)據(jù)經(jīng)過了非常規(guī)的改動，導(dǎo)致文 檔無法提供正確的文字內(nèi)碼。另一方面，一部分特殊字體其字形的度量也與一般字體存在 差異，這將導(dǎo)致使用一般字體繪制轉(zhuǎn)換后的文字時可能出現(xiàn)字符大小顯示異常的問題。由 于歷史原因，這類含有亂碼的文檔是大量存在的。
[0005] 為了轉(zhuǎn)換含有亂碼的文檔，只能重新制作文檔，或采用OCR (光學(xué)字符識別）的技 術(shù)手段將文檔逐頁識別出文字再進行轉(zhuǎn)換，而這兩種方法都需要消耗額外的人力資源。
[0006] 因此，需要一種新的字符轉(zhuǎn)換技術(shù)，能夠在字符轉(zhuǎn)換過程中自動修正內(nèi)碼錯誤，降 低人力消耗，并避免了鑒定錯誤文檔與修復(fù)或重建文檔而耗費時間，減輕了字符轉(zhuǎn)換時系 統(tǒng)的負擔。


【發(fā)明內(nèi)容】

[0007] 本發(fā)明正是基于上述問題，提出了一種字符轉(zhuǎn)換技術(shù)，能夠在字符轉(zhuǎn)換過程中自 動修正內(nèi)碼錯誤，降低人力消耗，并避免了鑒定錯誤文檔與修復(fù)或重建文檔而耗費時間，減 輕了字符轉(zhuǎn)換時系統(tǒng)的負擔。
[0008] 有鑒于此，本發(fā)明提出了一種字符轉(zhuǎn)換系統(tǒng)，包括：解析單元，用于解析接收到的 數(shù)據(jù)，確定所述數(shù)據(jù)所包含的至少一個字符，并獲取所述至少一個字符中每個字符對應(yīng)的 屬性信息；判斷單元，對于所述每個字符，根據(jù)所述屬性信息確定所述字符的字形位圖，判 斷所述字形位圖是否滿足預(yù)設(shè)條件；轉(zhuǎn)換單元，用于在所述判斷單元判定滿足所述預(yù)設(shè)條 件的情況下，根據(jù)所述屬性信息確定所述字符的初始內(nèi)碼，并根據(jù)所述初始內(nèi)碼對所述字 符進行轉(zhuǎn)換，在所述判斷單元判定不滿足所述預(yù)設(shè)條件的情況下，根據(jù)所述字形位圖識別 所述字符的實際內(nèi)碼，并根據(jù)所述實際內(nèi)碼對所述字符進行轉(zhuǎn)換。
[0009] 在該技術(shù)方案中，可以通過判斷待轉(zhuǎn)換字符的位圖是否滿足預(yù)設(shè)條件，來確定待 轉(zhuǎn)換字符的字體內(nèi)碼是否正確，并在字體內(nèi)碼不正確時，可以識別待轉(zhuǎn)換字符的實際內(nèi)碼 作為轉(zhuǎn)換依據(jù)，對待轉(zhuǎn)換字符進行轉(zhuǎn)換，從而實現(xiàn)了在字符轉(zhuǎn)換過程中自動修復(fù)內(nèi)碼錯誤， 減少了鑒定錯誤文檔與修復(fù)或重建文檔所耗費的時間，達到減輕系統(tǒng)負擔的技術(shù)功效。 [0010] 本發(fā)明還提出了一種字符轉(zhuǎn)換方法，包括：解析接收到的數(shù)據(jù)，確定所述數(shù)據(jù)所包 含的至少一個字符，并獲取所述至少一個字符中每個字符對應(yīng)的屬性信息；對于所述每個 字符，根據(jù)所述屬性信息確定所述字符的字形位圖，判斷所述字形位圖是否滿足預(yù)設(shè)條件， 若滿足所述預(yù)設(shè)條件，則根據(jù)所述屬性信息確定所述字符的初始內(nèi)碼，并根據(jù)所述初始內(nèi) 碼對所述字符進行轉(zhuǎn)換，若不滿足所述預(yù)設(shè)條件，則根據(jù)所述字形位圖識別所述字符的實 際內(nèi)碼，并根據(jù)所述實際內(nèi)碼對所述字符進行轉(zhuǎn)換。
[0011] 在該技術(shù)方案中，可以通過判斷待轉(zhuǎn)換字符的位圖是否滿足預(yù)設(shè)條件，來確定待 轉(zhuǎn)換字符的字體內(nèi)碼是否正確，并在字體內(nèi)碼不正確時，可以識別待轉(zhuǎn)換字符的實際內(nèi)碼 作為轉(zhuǎn)換依據(jù)，對待轉(zhuǎn)換字符進行轉(zhuǎn)換，從而實現(xiàn)了在字符轉(zhuǎn)換過程中自動修復(fù)內(nèi)碼錯誤， 減少了鑒定錯誤文檔與修復(fù)或重建文檔所耗費的時間，達到減輕系統(tǒng)負擔的技術(shù)功效。
[0012] 通過以上技術(shù)方案，能夠在字符轉(zhuǎn)換過程中自動修正內(nèi)碼錯誤，降低人力消耗，并 避免了鑒定錯誤文檔與修復(fù)或重建文檔而耗費時間，減輕了字符轉(zhuǎn)換時系統(tǒng)的負擔。

【專利附圖】

【附圖說明】
[0013] 圖1示出了根據(jù)本發(fā)明的實施例的字符轉(zhuǎn)換系統(tǒng)的框圖；
[0014] 圖2示出了根據(jù)本發(fā)明的實施例的字符轉(zhuǎn)換方法的流程圖；
[0015] 圖3示出了根據(jù)本發(fā)明的實施例的字符轉(zhuǎn)換系統(tǒng)的結(jié)構(gòu)圖；
[0016] 圖4示出了根據(jù)本發(fā)明的實施例的字符轉(zhuǎn)換方法的具體流程圖；
[0017] 圖5示出了根據(jù)本發(fā)明的實施例的判斷字形相似度的流程圖；
[0018] 圖6A和圖6B示出了根據(jù)本發(fā)明的實施例的字形轉(zhuǎn)換的示意圖。

【具體實施方式】
[0019] 為了能夠更清楚地理解本發(fā)明的上述目的、特征和優(yōu)點，下面結(jié)合附圖和具體實 施方式對本發(fā)明進行進一步的詳細描述。需要說明的是，在不沖突的情況下，本申請的實施 例及實施例中的特征可以相互組合。
[0020] 在下面的描述中闡述了很多具體細節(jié)以便于充分理解本發(fā)明，但是，本發(fā)明還可 以采用其他不同于在此描述的其他方式來實施，因此，本發(fā)明的保護范圍并不受下面公開 的具體實施例的限制。
[0021] 圖1示出了根據(jù)本發(fā)明的實施例的字符轉(zhuǎn)換系統(tǒng)的框圖。
[0022] 如圖1所示，根據(jù)本發(fā)明的實施例的字符轉(zhuǎn)換系統(tǒng)100包括：解析單元102,用于 解析接收到的數(shù)據(jù)，確定所述數(shù)據(jù)所包含的至少一個字符，并獲取所述至少一個字符中每 個字符對應(yīng)的屬性信息；判斷單元104,對于所述每個字符，根據(jù)所述屬性信息確定所述字 符的字形位圖，判斷所述字形位圖是否滿足預(yù)設(shè)條件；轉(zhuǎn)換單元106,用于在所述判斷單元 104判定滿足所述預(yù)設(shè)條件的情況下，根據(jù)所述屬性信息確定所述字符的初始內(nèi)碼，并根據(jù) 所述初始內(nèi)碼對所述字符進行轉(zhuǎn)換，在所述判斷單元104判定不滿足所述預(yù)設(shè)條件的情況 下，根據(jù)所述字形位圖識別所述字符的實際內(nèi)碼，并根據(jù)所述實際內(nèi)碼對所述字符進行轉(zhuǎn) 換。
[0023] 在上述技術(shù)方案中，優(yōu)選地，還包括：相似度確定單元108,用于將所述字形位圖 與標準位圖進行比較得到字形相似度，根據(jù)所述字形相似度確定平均相似度，其中，所述判 斷單元104用于判斷平均相似度是否大于或等于預(yù)設(shè)閾值，所述轉(zhuǎn)換單元106,用于在判斷 單元104判定平均相似度大于或等于預(yù)設(shè)閾值時，根據(jù)屬性信息確定字符的初始內(nèi)碼，根 據(jù)初始內(nèi)碼將字符轉(zhuǎn)化為第一目標字符，以及在判斷單元104判定平均相似度小于預(yù)設(shè)閾 值時，根據(jù)字形位圖識別字符的實際內(nèi)碼，并根據(jù)實際內(nèi)碼將字符轉(zhuǎn)化為第二目標字符。
[0024] 可以通過計算待轉(zhuǎn)換字符的位圖與標準位圖的相似度，再判斷相似度與預(yù)設(shè)閾值 的關(guān)系，來確定待轉(zhuǎn)換字符的字體內(nèi)碼是否正確，并在字體內(nèi)碼不正確時，可以識別待轉(zhuǎn)換 字符的實際內(nèi)碼作為轉(zhuǎn)換依據(jù)，將待轉(zhuǎn)換字符轉(zhuǎn)換為第二目標字符，從而實現(xiàn)了在字符轉(zhuǎn) 換過程中自動修復(fù)內(nèi)碼錯誤，減少了鑒定錯誤文檔與修復(fù)或重建文檔所耗費的時間，達到 減輕系統(tǒng)負擔的技術(shù)功效。
[0025] 需要說明的是，上述第一目標字符和第二目標字符可以是相同類型的字符，也可 以是不同類型的字符。
[0026] 優(yōu)選地，判斷單元104用于根據(jù)所述屬性信息確定所述字符分別對應(yīng)的字體，并 獲取每種字體對應(yīng)的預(yù)設(shè)數(shù)目字符的字形位圖，以及獲取所述預(yù)設(shè)數(shù)目字符基于標準字體 的標準位圖。
[0027] 可以根據(jù)待轉(zhuǎn)換字符的字體，獲取其中若干個字符的字形位圖，再根據(jù)屬性信息 中的內(nèi)碼（即初始內(nèi)碼）獲取上述若干個字符基于標準字體（比如宋體）的標準位圖，然后每 個字符的字形位圖與其標準位圖的進行字形對比為確定字形相似度，再根據(jù)每個字符的字 形相似度，計算平均相似度，從而可以準確地判斷待轉(zhuǎn)換字符的字形相似度與預(yù)設(shè)閾值的 大小關(guān)系，進而準確地判斷待轉(zhuǎn)換字符的字體的內(nèi)碼是否正確。
[0028] 優(yōu)選地，還包括：內(nèi)碼類別判斷單元110,用于根據(jù)屬性信息判斷字符的初始內(nèi)碼 屬于預(yù)設(shè)類別；其中，在內(nèi)碼類別判斷單元110的判斷結(jié)果為是的情況下，所述判斷單元 104根據(jù)屬性信息確定字符分別對應(yīng)的字體。
[0029] 當進行字符轉(zhuǎn)換時，只有在待轉(zhuǎn)換字符的內(nèi)碼屬于特定類別的時，才進行轉(zhuǎn)換，t匕 如在將簡體字轉(zhuǎn)換為繁體字時，可以檢測待轉(zhuǎn)換字符的內(nèi)碼為簡體字內(nèi)碼，屬于漢字的內(nèi) 碼類別，則可以進行轉(zhuǎn)換，但是如果檢測到待轉(zhuǎn)換字符中存在內(nèi)碼為數(shù)字內(nèi)碼的字符時，則 不對該字符進行轉(zhuǎn)換。
[0030] 優(yōu)選地，還包括：調(diào)整度確定單元112,用于將字形位圖的高度和寬度中較大的 值，與標準位圖的高度和寬度中較大的值進行比較，得到字形調(diào)整度；字符繪制單元114， 用于根據(jù)所述第一目標字符對應(yīng)的字形調(diào)整度調(diào)整所述第一目標字符的第一字號，根據(jù)校 準后的第一字號繪制所述第一目標字符，根據(jù)所述第二目標字符對應(yīng)的字形調(diào)整度校準所 述第二目標字符的第二字號，并根據(jù)校準后的第二字號繪制所述第二目標字符，和/或根 據(jù)未轉(zhuǎn)換的字符的字號繪制未轉(zhuǎn)換的字符。
[0031] 在繪制轉(zhuǎn)換后的字符之前，如果待繪制的字符的內(nèi)碼被糾正過（即以實際內(nèi)碼替 換過)，則使用字形調(diào)整度調(diào)整該字符的字號，使其在轉(zhuǎn)換后的字號可以與轉(zhuǎn)換前的字號相 匹配。
[0032] 優(yōu)選地，轉(zhuǎn)換單元106通過光學(xué)字符識別技術(shù)識別字形位圖以得到實際內(nèi)碼。
[0033] 圖2示出了根據(jù)本發(fā)明的實施例的字符轉(zhuǎn)換方法的流程圖。
[0034] 如圖2所示，根據(jù)本發(fā)明的實施例的字符轉(zhuǎn)換方法包括：解析接收到的數(shù)據(jù)，確定 所述數(shù)據(jù)所包含的至少一個字符，并獲取所述至少一個字符中每個字符對應(yīng)的屬性信息； 對于所述每個字符，根據(jù)所述屬性信息確定所述字符的字形位圖，判斷所述字形位圖是否 滿足預(yù)設(shè)條件，若滿足所述預(yù)設(shè)條件，則根據(jù)所述屬性信息確定所述字符的初始內(nèi)碼，并根 據(jù)所述初始內(nèi)碼對所述字符進行轉(zhuǎn)換，若不滿足所述預(yù)設(shè)條件，則根據(jù)所述字形位圖識別 所述字符的實際內(nèi)碼，并根據(jù)所述實際內(nèi)碼對所述字符進行轉(zhuǎn)換。
[0035] 優(yōu)選地，斷所述字形位圖是否滿足所述預(yù)設(shè)條件的過程包括：將字形位圖與標準 位圖進行比較得到字形相似度，根據(jù)每個字符的字形相似度確定平均相似度，并將所述平 均相似度與預(yù)設(shè)閾值進行比較；若平均相似度大于或等于預(yù)設(shè)閾值，則根據(jù)屬性信息確定 字符的初始內(nèi)碼，根據(jù)初始內(nèi)碼將字符轉(zhuǎn)化為第一目標字符；若平均相似度小于預(yù)設(shè)閾值， 則根據(jù)字形位圖識別字符的實際內(nèi)碼，并根據(jù)實際內(nèi)碼將字符轉(zhuǎn)化為第二目標字符。
[0036] 可以通過計算待轉(zhuǎn)換字符的位圖與標準位圖的相似度，再判斷相似度與預(yù)設(shè)閾值 的關(guān)系，來確定待轉(zhuǎn)換字符的字體內(nèi)碼是否正確，并在字體內(nèi)碼不正確時，可以識別待轉(zhuǎn)換 字符的實際內(nèi)碼作為轉(zhuǎn)換依據(jù)，將待轉(zhuǎn)換字符轉(zhuǎn)換為第二目標字符，從而實現(xiàn)了在字符轉(zhuǎn) 換過程中自動修復(fù)內(nèi)碼錯誤，減少了鑒定錯誤文檔與修復(fù)或重建文檔所耗費的時間，達到 減輕系統(tǒng)負擔的技術(shù)功效。
[0037] 優(yōu)選地，根據(jù)所述屬性信息確定所述字符的字形位圖的過程包括：根據(jù)所述屬性 信息確定所述字符分別對應(yīng)的字體，并獲取每種字體對應(yīng)的預(yù)設(shè)數(shù)目字符的字形位圖，以 及獲取所述預(yù)設(shè)數(shù)目字符基于標準字體的標準位圖。
[0038] 可以根據(jù)待轉(zhuǎn)換字符的字體，獲取其中若干個字符的字形位圖，再根據(jù)屬性信息 中的內(nèi)碼（即初始內(nèi)碼）獲取上述若干個字符基于標準字體（比如宋體）的標準位圖，然后每 個字符的字形位圖與其標準位圖的進行字形對比為確定字形相似度，再根據(jù)每個字符的字 形相似度，計算平均相似度，從而可以準確地判斷待轉(zhuǎn)換字符的字形相似度與預(yù)設(shè)閾值的 大小關(guān)系，進而準確地判斷待轉(zhuǎn)換字符的字體的內(nèi)碼是否正確。
[0039] 優(yōu)選地，還包括：根據(jù)屬性信息判斷字符的初始內(nèi)碼屬于預(yù)設(shè)類別，若屬于，則對 字符進行轉(zhuǎn)換，若不屬于，則不對字符進行轉(zhuǎn)換。
[0040] 當進行字符轉(zhuǎn)換時，只有在待轉(zhuǎn)換字符的內(nèi)碼屬于特定類別的時，才進行轉(zhuǎn)換，t匕 如在將簡體字轉(zhuǎn)換為繁體字時，可以檢測待轉(zhuǎn)換字符的內(nèi)碼為簡體字內(nèi)碼，屬于漢字的內(nèi) 碼類別，則可以進行轉(zhuǎn)換，但是如果檢測到待轉(zhuǎn)換字符中存在內(nèi)碼為數(shù)字內(nèi)碼的字符時，則 不對該字符進行轉(zhuǎn)換。
[0041] 優(yōu)選地，還包括：將字形位圖的高度和寬度中較大的值，與標準位圖的高度和寬度 中較大的值進行比較，得到字形調(diào)整度；字符轉(zhuǎn)換方法還包括：根據(jù)所述第一目標字符對 應(yīng)的字形調(diào)整度調(diào)整所述第一目標字符的第一字號，根據(jù)校準后的第一字號繪制所述第一 目標字符，根據(jù)所述第二目標字符對應(yīng)的字形調(diào)整度校準所述第二目標字符的第二字號， 并根據(jù)校準后的第二字號繪制所述第二目標字符，和/或根據(jù)未轉(zhuǎn)換的字符的字號繪制未 轉(zhuǎn)換的字符。
[0042] 在繪制轉(zhuǎn)換后的字符之前，如果待繪制的字符的內(nèi)碼被糾正過（即以實際內(nèi)碼替 換過)，則使用字形調(diào)整度調(diào)整該字符的字號，使其在轉(zhuǎn)換后的字號可以與轉(zhuǎn)換前的字號相 匹配。
[0043] 優(yōu)選地，還包括：通過光學(xué)字符識別技術(shù)識別字形位圖以得到實際內(nèi)碼。
[0044] 下面以將簡體字轉(zhuǎn)化為繁體字為例，來說明本發(fā)明的【具體實施方式】。
[0045] 圖3示出了根據(jù)本發(fā)明的實施例的字符轉(zhuǎn)換系統(tǒng)的結(jié)構(gòu)圖。
[0046] 如圖3所示，根據(jù)本發(fā)明的實施例的字符轉(zhuǎn)換系統(tǒng)100可以包括：解析模塊302， 評估模塊304,修正模塊306,轉(zhuǎn)換模塊308,顯示模塊310。
[0047] 簡體到繁體內(nèi)碼轉(zhuǎn)換數(shù)據(jù)庫儲存有所有中文簡體字的內(nèi)碼及其對應(yīng)的中文繁體 字內(nèi)碼；繁體到簡體內(nèi)碼轉(zhuǎn)換數(shù)據(jù)庫儲存有所有中文繁體字的內(nèi)碼及其對應(yīng)的中文簡體字 內(nèi)碼。
[0048] 解析模塊302用于將接收的數(shù)據(jù)內(nèi)容解析為字體資源與文字內(nèi)容；
[0049] 評估模塊304用于評估各個字體，以確定需要進行糾錯處理的字體，并計算出各 字體字形度量的調(diào)整值；
[0050] 修正模塊306用于修正使用了含有錯誤內(nèi)碼的字體的文字內(nèi)容；
[0051] 轉(zhuǎn)換模塊308用于把文字內(nèi)容中的字符逐一轉(zhuǎn)換為對應(yīng)的繁/簡體字符；
[0052] 顯示模塊310用于將轉(zhuǎn)換后的文字內(nèi)容繪制到輸出設(shè)備上，如屏幕或打印機。
[0053] 圖4示出了根據(jù)本發(fā)明的實施例的字符轉(zhuǎn)換方法的具體流程圖。
[0054] 如圖4所示，根據(jù)本發(fā)明的實施例的字符轉(zhuǎn)換方法具體包括：
[0055] 步驟402,建立包含有多個簡體字內(nèi)碼及其對應(yīng)的繁體字內(nèi)碼的轉(zhuǎn)換數(shù)據(jù)庫和包 含有多個繁體字內(nèi)碼及其對應(yīng)的簡體字內(nèi)碼的轉(zhuǎn)換數(shù)據(jù)庫；
[0056] 步驟404，接收一數(shù)據(jù)內(nèi)容（比如PDF格式的文檔)，并解析出其中包含的各個字體 資源以及所有文字內(nèi)容，其中文字內(nèi)容包含了其所屬的字體名稱或編號(系統(tǒng)為字體分配 的編號，用于標識字體)、字號(用于描述字符被繪制時的尺寸大小)、其對應(yīng)的字形編碼以 及對應(yīng)的字符內(nèi)碼；
[0057] 步驟406,對每種字體進行評估，從解析出的文字內(nèi)容中選取一定數(shù)量的字符樣 本，這些字符樣本都使用正被評估的字體，且它們的內(nèi)碼在中文簡體字內(nèi)碼范圍內(nèi)，對這些 字符樣本分別獲取同一字號的被評估字體的對應(yīng)的字形位圖與標準字體(如宋體）的對應(yīng) 字形位圖，將兩個字形位圖進行字形對比（OCR中常見的一個處理步驟)得到字形相似度，再 將兩個位圖邊長(此邊長為位圖寬度和高度其中的較大值）相除得到字形度量調(diào)整度，最后 統(tǒng)計字符樣本的相似度平均值和字形度量調(diào)整度平均值；
[0058] 步驟408,判斷相似度平均值是否小于預(yù)先設(shè)定的閾值，若大于或等于，則進入步 驟 412 ;
[0059] 步驟410,若小于，則判定字符的當前字體內(nèi)碼錯誤，需要被修正，通過OCR功能識 別字符對應(yīng)的字形位圖，進而得到正確的字符內(nèi)碼（即實際內(nèi)碼)，并替換該文字內(nèi)容中的 內(nèi)碼；
[0060] 步驟412,判斷字符內(nèi)碼是否屬于中文漢字內(nèi)碼范圍內(nèi)，若不屬于，則無須轉(zhuǎn)換此 字符；
[0061] 步驟414,若屬于，則在簡體到繁體內(nèi)碼轉(zhuǎn)換數(shù)據(jù)庫中查找與此字符內(nèi)碼相對應(yīng)的 繁體字內(nèi)碼，并且將其所屬的字體名稱或編號改為某一默認繁體字體(如明流）；
[0062] 步驟416,依次繪制所有文字內(nèi)容，對于轉(zhuǎn)換過的字符可通過內(nèi)碼獲取其對應(yīng)的字 形位圖進行繪制，在繪制前使用字形調(diào)整度來校準當前字符的字號；
[0063] 步驟418,對于未轉(zhuǎn)換過的字符可通過字形編碼獲取其對應(yīng)的字形位圖進行繪制。
[0064] 通過上述的技術(shù)手段，本發(fā)明減少了鑒定錯誤文檔與修復(fù)或重建文檔所耗費的時 間，達到減輕系統(tǒng)負擔的技術(shù)功效。
[0065] 圖5示出了根據(jù)本發(fā)明的實施例的判斷字形相似度的流程圖。
[0066] 如圖5所示，判斷字形相似度的方法包括：
[0067] 步驟502,獲取待轉(zhuǎn)換字符中的一個字符；
[0068] 步驟504,判斷該字符的字體是否為當前被評估的字體，若不是，則返回步驟502， 獲取下一個字符；
[0069] 步驟506,若是當前被評估的字體，則判斷該字符的內(nèi)碼是否在簡體字內(nèi)碼范圍 內(nèi)，若不在，則返回步驟502,獲取下一字符；
[0070] 步驟508,若在簡體字內(nèi)碼范圍內(nèi)，則獲取該字符基于當前字體的字形位圖和基于 標準字體的標準位圖；
[0071] 步驟510,比較字形位圖和標準位圖的字形相似度，并獲取字形位圖中長和寬中的 較大值，與標準位圖中長和寬的較大值相比，得到字形調(diào)整度；
[0072] 步驟512,計算若干個字符的字形相似度平均值和字形調(diào)整度平均值；
[0073] 步驟514,判斷字形相似度平均值是否小于預(yù)設(shè)閾值；
[0074] 步驟516,若小于，則判定字符的當前字體為使用錯誤內(nèi)碼的字體，記錄相應(yīng)的字 形調(diào)整度；
[0075] 步驟518，若大于，則判定字符的當前字體為使用正確內(nèi)碼的字體，記錄相應(yīng)的字 形調(diào)整度。
[0076] 圖6A和圖6B示出了根據(jù)本發(fā)明的實施例的字形轉(zhuǎn)換的示意圖。
[0077] 比如有一篇如圖6A所示的文檔，需要對其做簡體到繁體的轉(zhuǎn)換。其中第一行字符 內(nèi)容使用字體A，內(nèi)碼正確，其余字符內(nèi)容使用字體B，內(nèi)碼錯誤。
[0078] 那么首先建立包含有多個簡體字內(nèi)碼及其對應(yīng)的繁體字內(nèi)碼的轉(zhuǎn)換數(shù)據(jù)庫和包 含有多個繁體字內(nèi)碼及其對應(yīng)的簡體字內(nèi)碼的轉(zhuǎn)換數(shù)據(jù)庫，解析出文檔使用的兩種字體以 及其中所有的文字內(nèi)容，其中字體中包含了大量字形描述信息，通過字形編碼能夠獲取特 定的字形描述信息進而得到字符位圖，而文字內(nèi)容是由每個字符所屬的字體名稱或ID、其 對應(yīng)的字形編碼以及對應(yīng)的字符內(nèi)碼組成，具體的文字內(nèi)容如表1所示：

【權(quán)利要求】
1. 一種字符轉(zhuǎn)換系統(tǒng)，其特征在于，包括： 解析單元，用于解析接收到的數(shù)據(jù)，確定所述數(shù)據(jù)所包含的至少一個字符，并獲取所述 至少一個字符中每個字符對應(yīng)的屬性信息； 判斷單元，對于所述每個字符，根據(jù)所述屬性信息確定所述字符的字形位圖，判斷所述 字形位圖是否滿足預(yù)設(shè)條件； 轉(zhuǎn)換單元，用于在所述判斷單元判定滿足所述預(yù)設(shè)條件的情況下，根據(jù)所述屬性信息 確定所述字符的初始內(nèi)碼，并根據(jù)所述初始內(nèi)碼對所述字符進行轉(zhuǎn)換，在所述判斷單元判 定不滿足所述預(yù)設(shè)條件的情況下，根據(jù)所述字形位圖識別所述字符的實際內(nèi)碼，并根據(jù)所 述實際內(nèi)碼對所述字符進行轉(zhuǎn)換。
2. 根據(jù)權(quán)利要求1所述的字符轉(zhuǎn)換系統(tǒng)，其特征在于，還包括： 相似度確定單元，用于將所述字形位圖與標準位圖進行比較得到字形相似度，根據(jù)所 述字形相似度確定平均相似度， 其中，所述判斷單元用于判斷所述平均相似度是否大于或等于預(yù)設(shè)闊值，所述轉(zhuǎn)換單 元在所述判斷單元判定所述平均相似度大于或等于所述預(yù)設(shè)闊值時，根據(jù)所述屬性信息確 定所述字符的初始內(nèi)碼，根據(jù)所述初始內(nèi)碼將所述字符轉(zhuǎn)化為第一目標字符，W及在所述 判斷單元判定所述平均相似度小于所述預(yù)設(shè)闊值時，根據(jù)所述字形位圖識別所述字符的實 際內(nèi)碼，并根據(jù)所述實際內(nèi)碼將所述字符轉(zhuǎn)化為第二目標字符。
3. 根據(jù)權(quán)利要求2所述的字符轉(zhuǎn)換系統(tǒng)，其特征在于，所述判斷單元用于根據(jù)所述屬 性信息確定所述字符分別對應(yīng)的字體，并獲取每種字體對應(yīng)的預(yù)設(shè)數(shù)目字符的字形位圖， W及獲取所述預(yù)設(shè)數(shù)目字符基于標準字體的標準位圖。
4. 根據(jù)權(quán)利要求2所述的字符轉(zhuǎn)換系統(tǒng)，其特征在于，還包括： 調(diào)整度確定單元，用于將所述字形位圖的高度和寬度中較大的值，與所述標準位圖的 高度和寬度中較大的值進行比較，得到字形調(diào)整度； 字符繪制單元，用于根據(jù)所述第一目標字符對應(yīng)的字形調(diào)整度調(diào)整所述第一目標字符 的第一字號，根據(jù)校準后的第一字號繪制所述第一目標字符，根據(jù)所述第二目標字符對應(yīng) 的字形調(diào)整度校準所述第二目標字符的第二字號，并根據(jù)校準后的第二字號繪制所述第二 目標字符，和/或根據(jù)所述未轉(zhuǎn)換的字符的字號繪制所述未轉(zhuǎn)換的字符。
5. 根據(jù)權(quán)利要求1至4中任一項所述的字符轉(zhuǎn)換系統(tǒng)，其特征在于，所述轉(zhuǎn)換單元通過 光學(xué)字符識別技術(shù)識別所述字形位圖W得到所述實際內(nèi)碼。
6. -種字符轉(zhuǎn)換方法，其特征在于，包括： 解析接收到的數(shù)據(jù)，確定所述數(shù)據(jù)所包含的至少一個字符，并獲取所述至少一個字符 中每個字符對應(yīng)的屬性信息； 對于所述每個字符，根據(jù)所述屬性信息確定所述字符的字形位圖，判斷所述字形位圖 是否滿足預(yù)設(shè)條件，若滿足所述預(yù)設(shè)條件，則根據(jù)所述屬性信息確定所述字符的初始內(nèi)碼， 并根據(jù)所述初始內(nèi)碼對所述字符進行轉(zhuǎn)換，若不滿足所述預(yù)設(shè)條件，則根據(jù)所述字形位圖 識別所述字符的實際內(nèi)碼，并根據(jù)所述實際內(nèi)碼對所述字符進行轉(zhuǎn)換。
7. 根據(jù)權(quán)利要求6所述的字符轉(zhuǎn)換方法，其特征在于，斷所述字形位圖是否滿足所述 預(yù)設(shè)條件的過程包括：將所述字形位圖與標準位圖進行比較，W得到字形相似度；根據(jù)所 述字形相似度確定平均相似度，并將所述平均相似度與預(yù)設(shè)闊值進行比較； 若所述平均相似度大于或等于所述預(yù)設(shè)闊值，則根據(jù)所述屬性信息確定所述字符的初 始內(nèi)碼，根據(jù)所述初始內(nèi)碼將所述字符轉(zhuǎn)化為第一目標字符； 若所述平均相似度小于所述預(yù)設(shè)闊值，則根據(jù)所述字形位圖識別所述字符的實際內(nèi) 碼，并根據(jù)所述實際內(nèi)碼將所述字符轉(zhuǎn)化為第二目標字符。
8. 根據(jù)權(quán)利要求7所述的字符轉(zhuǎn)換方法，其特征在于，根據(jù)所述屬性信息確定所述字 符的字形位圖的過程包括；根據(jù)所述屬性信息確定所述字符分別對應(yīng)的字體，并獲取每種 字體對應(yīng)的預(yù)設(shè)數(shù)目字符的字形位圖，W及獲取所述預(yù)設(shè)數(shù)目字符基于標準字體的標準位 圖。
9. 根據(jù)權(quán)利要求7所述的字符轉(zhuǎn)換方法，其特征在于，還包括：將所述字形位圖的高度 和寬度中較大的值，與所述標準位圖的高度和寬度中較大的值進行比較，得到字形調(diào)整度； 根據(jù)所述第一目標字符對應(yīng)的字形調(diào)整度調(diào)整所述第一目標字符的第一字號，根據(jù)校準后 的第一字號繪制所述第一目標字符，根據(jù)所述第二目標字符對應(yīng)的字形調(diào)整度校準所述第 二目標字符的第二字號，并根據(jù)校準后的第二字號繪制所述第二目標字符，和/或根據(jù)所 述未轉(zhuǎn)換的字符的字號繪制所述未轉(zhuǎn)換的字符。
10. 根據(jù)權(quán)利要求6至9中任一項所述的字符轉(zhuǎn)換方法，其特征在于，還包括；通過光 學(xué)字符識別技術(shù)識別所述字形位圖W得到所述實際內(nèi)碼。
【文檔編號】G06F17/28GK104462068SQ201310415209
【公開日】2015年3月25日 申請日期:2013年9月12日 優(yōu)先權(quán)日:2013年9月12日
【發(fā)明者】徐劍波, 孫浩鵬, 丁力, 王海濤, 耿蕾蕾 申請人:北大方正集團有限公司, 北京方正阿帕比技術(shù)有限公司, 方正信息產(chǎn)業(yè)控股有限公司