本申請涉及數(shù)據(jù)處理，尤其涉及一種文本搜索方法、裝置、計算機設(shè)備及計算機可讀存儲介質(zhì)。

背景技術(shù)：

1、目前大多數(shù)公司都實現(xiàn)了辦公電子化，客戶信息及對應(yīng)的產(chǎn)品信息一般通過電子文檔存儲在終端或服務(wù)器中，而在信息較多的情況下，例如保險的保單對應(yīng)的文檔或客戶的投資理財?shù)冉鹑谛畔⑺鶎?yīng)的文檔均需要包含較多信息，通過多頁面的pdf文檔來滿足信息的記錄了需求，但若需要在多頁面的pdf文檔中進行文本搜索定位以實現(xiàn)信息的查詢時，一般是通過文本段查找工具對待搜索的文本實現(xiàn)快速定位，但這些文本段查找工具在文本搜索過程中會受到pdf文檔中的圖像、頁眉或頁腳等信息的影響，從而導(dǎo)致文本段查找工具對pdf文檔的文本搜索精度較低。

技術(shù)實現(xiàn)思路

1、本申請?zhí)峁┮环N文本搜索方法、裝置、計算機設(shè)備及計算機可讀存儲介質(zhì)，旨在提升pdf文檔的文本搜索精度。

2、第一方面，本申請?zhí)峁┮环N文本搜索方法，所述文本搜索方法包括以下步驟：

3、獲取目標(biāo)pdf文檔及所述目標(biāo)pdf文檔的文本搜索請求，所述文檔搜索請求包括待搜索文本；

4、基于文檔類型識別規(guī)則，確定所述目標(biāo)pdf文檔的文檔類型；

5、根據(jù)所述目標(biāo)pdf文檔的文檔類型確定文檔轉(zhuǎn)換模型，并基于確定的文檔轉(zhuǎn)換模型對所述目標(biāo)pdf文檔進行文檔轉(zhuǎn)換處理，得到所述目標(biāo)pdf文檔對應(yīng)的第一文本；

6、確定所述第一文本中的頁眉文本和/或頁腳文本，并刪除所述頁眉文本和/或頁腳文本，得到第二文本；

7、在所述第二文本中確定與所述待搜索文本匹配的目標(biāo)文本，輸出所述所述目標(biāo)文本的文本信息及位置信息。

8、第二方面，本申請還提供一種文本搜索裝置，所述文本搜索裝置包括：

9、信息獲取模塊，用于獲取目標(biāo)pdf文檔及所述目標(biāo)pdf文檔的文本搜索請求，所述文檔搜索請求包括待搜索文本；

10、類型確定模塊，用于基于文檔類型識別規(guī)則，確定所述目標(biāo)pdf文檔的文檔類型；

11、文檔轉(zhuǎn)換模塊，用于根據(jù)所述目標(biāo)pdf文檔的文檔類型確定文檔轉(zhuǎn)換模型，并基于確定的文檔轉(zhuǎn)換模型對所述目標(biāo)pdf文檔進行文檔轉(zhuǎn)換處理，得到所述目標(biāo)pdf文檔對應(yīng)的第一文本；

12、文本處理模塊，用于確定所述第一文本中的頁眉文本和/或頁腳文本，并刪除所述頁眉文本和/或頁腳文本，得到第二文本；

13、信息輸出模塊，用于在所述第二文本中確定與所述待搜索文本匹配的目標(biāo)文本，輸出所述所述目標(biāo)文本的文本信息及位置信息。

14、第三方面，本申請還提供一種計算機設(shè)備，所述計算機設(shè)備包括處理器、存儲器、以及存儲在所述存儲器上并可被所述處理器執(zhí)行的計算機程序，其中所述計算機程序被所述處理器執(zhí)行時，實現(xiàn)如上述的文本搜索方法的步驟。

15、第四方面，本申請還提供一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，其中所述計算機程序被處理器執(zhí)行時，實現(xiàn)如上述的文本搜索方法的步驟。

16、本申請?zhí)峁┮环N文本搜索方法、裝置、計算機設(shè)備及計算機可讀存儲介質(zhì)，本申請通過確定目標(biāo)pdf文檔的文檔類型，以根據(jù)目標(biāo)pdf文檔的文檔類型選擇合適的文檔轉(zhuǎn)換模型對目標(biāo)pdf文檔進行文檔轉(zhuǎn)換處理，以得到第一文本，確定第一文本中的頁眉文本和/或頁腳文本，并刪除頁眉文本和/或頁腳文本，以得到第二文本，從而在第二文本中進行文本搜索，以完成目標(biāo)pdf文檔的文本搜索，通過選用與pdf文檔的文檔類型適配的文檔轉(zhuǎn)換模型進行文檔轉(zhuǎn)換處理，提升了轉(zhuǎn)換得到的文本的精確度，并且避免了頁眉與頁腳的影響，從而提升了pdf文檔的文本搜索精度。

技術(shù)特征：

1.一種文本搜索方法，其特征在于，包括：

2.如權(quán)利要求1所述的文本搜索方法，其特征在于，所述確定所述第一文本中的頁眉文本和/或頁腳文本，并刪除所述頁眉文本和/或頁腳文本，得到第二文本，包括：

3.如權(quán)利要求2所述的文本搜索方法，其特征在于，在刪去所述頁眉文本和/或所述頁腳文本之后，所述方法還包括：

4.如權(quán)利要求1-3任一項所述的文本搜索方法，其特征在于，所述基于文檔類型識別規(guī)則，確定所述目標(biāo)pdf文檔的文檔類型，包括：

5.如權(quán)利要求4所述的文本搜索方法，其特征在于，所述根據(jù)所述頁面文本信息確定所述目標(biāo)pdf文檔的文檔類型，包括：

6.如權(quán)利要求5所述的文本搜索方法，其特征在于，所述根據(jù)所述目標(biāo)pdf文檔的文檔類型確定文檔轉(zhuǎn)換模型，包括：

7.如權(quán)利要求1-3任一項所述的文本搜索方法，其特征在于，所述在所述第二文本中確定與所述待搜索文本匹配的目標(biāo)文本，輸出所述所述目標(biāo)文本的文本信息及位置信息，包括：

8.一種文本搜索裝置，其特征在于，所述文本搜索裝置包括：

9.一種計算機設(shè)備，其特征在于，所述計算機設(shè)備包括處理器、存儲器、以及存儲在所述存儲器上并可被所述處理器執(zhí)行的計算機程序，其中所述計算機程序被所述處理器執(zhí)行時，實現(xiàn)如權(quán)利要求1至7中任一項所述的文本搜索方法的步驟。

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，其中所述計算機程序被處理器執(zhí)行時，實現(xiàn)如權(quán)利要求1至7中任一項所述的文本搜索方法的步驟。

技術(shù)總結(jié)
本申請?zhí)峁┮环N文本搜索方法、裝置、計算機設(shè)備及計算機可讀存儲介質(zhì)，該方法包括：獲取目標(biāo)PDF文檔及目標(biāo)PDF文檔的文本搜索請求，文檔搜索請求包括待搜索文本；基于文檔類型識別規(guī)則，確定目標(biāo)PDF文檔的文檔類型；根據(jù)目標(biāo)PDF文檔的文檔類型確定文檔轉(zhuǎn)換模型，并基于確定的文檔轉(zhuǎn)換模型對目標(biāo)PDF文檔進行文檔轉(zhuǎn)換處理，得到目標(biāo)PDF文檔對應(yīng)的第一文本；確定第一文本中的頁眉文本和/或頁腳文本，并刪除頁眉文本和/或頁腳文本，得到第二文本；在第二文本中確定與待搜索文本匹配的目標(biāo)文本，輸出目標(biāo)文本的文本信息及位置信息。本申請?zhí)嵘藢DF文檔的文本搜索及定位的精度。

技術(shù)研發(fā)人員：高尚彬,王琳婧,蘇志鋒
受保護的技術(shù)使用者：平安銀行股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2