文件信息管理方法、系统、电子设备及存储介质与流程

1.本技术涉及文件信息管理技术领域，尤其涉及文件信息管理方法、系统、电子设备及存储介质。


背景技术：

2.企业中存在大量的文件，这些文件数据中往往存在着极大的价值。对文件中信息进行抽取，将关键的信息单独抽取出来，去粗取精，大幅提升企业文件信息管理效率，使企业信息管理更加自动化，因此如何使企业大量文件信息的信息管理简单化与自动化也成为一项亟需解决的问题。
3.目前文件信息管理过程中，无法同时实现保存文件完整样式和文件信息的抽取、划选以及实时展示，从而导致无法实现客户端角度所见即所得，使企业文件信息管理更加自动化、简单化。


技术实现要素：

4.本技术实施例提供了文件信息管理方法、系统、电子设备及存储介质，以至少通过本发明实现了文件信息的抽取、划选、实时展示，又保证了文件样式的留存，大幅提升了企业文件信息管理效率。
5.本发明提供了文件信息管理方法，包括：
6.设置步骤：在客户端操作区域中设置预览层和标注层，并在所述预览层中设置展示层和划选层；
7.文件信息抽取步骤：在所述展示层中将pdf文件渲染成canvas后，抽取所述canvas中的文件信息，并将抽取的所述文件信息编排在所述划选层中；
8.文件信息展示步骤：所述标注层附着在所述划选层上，展示客户端在所述划选层中标注的文件信息。
9.上述的文件信息管理方法，所述展示层位于所述划选层下方。
10.上述的文件信息管理方法，所述文件信息抽取步骤包括：
11.pdf文件处理步骤：在所述展示层中使用pdf.js工具将所述pdf文件渲染成所述canvas，并在所述展示层上展示所述canvas后，通过所述span标签抽取所述canvas中的所述文件信息；
12.文件信息编排步骤：在所述划选层中编排抽取的所述文件信息中文字的大小以及位置。
13.上述的文件信息管理方法，所述标注层在所述划选层上生成半透明的div方框，并在所述div方框中展示所述客户端在所述划选层中手动标注的所述canvas中的所述文件信息。
14.本发明还提供文件信息管理系统，其中，适用于上述所述的文件信息管理方法，所述文件信息管理系统包括：
15.设置单元：在客户端操作区域中设置预览层和标注层，并在所述预览层中设置展示层和划选层；
16.文件信息抽取单元：在所述展示层中将pdf文件渲染成canvas后，抽取所述canvas中的文件信息，并将抽取的所述文件信息编排在所述划选层中；
17.文件信息展示单元：所述标注层附着在所述划选层上，展示客户端在所述划选层中标注的文件信息。
18.上述的文件信息管理系统，通过所述设置单元将所述展示层设立在所述划选层下方。
19.上述的文件信息管理系统，所述文件信息抽取单元包括：
20.pdf文件处理模块：在所述展示层中使用pdf.js工具将所述pdf文件渲染成所述canvas，并在所述展示层上展示所述canvas后，通过所述span标签抽取所述canvas中的所述文件信息；
21.文件信息编排模块：在所述划选层中编排抽取的所述文件信息中文字的大小以及位置。
22.上述的文件信息管理系统，所述标注层在所述划选层上生成半透明的div方框，并通过所述文件信息展示单元在所述div方框中展示所述客户端在所述划选层中手动标注的所述canvas中的所述文件信息。
23.本发明还提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述任一项所述的文件信息管理方法。
24.本发明还提供一种电子设备可读存储介质，所述电子设备可读存储介质上存储有计算机程序指令，所述计算机程序指令被所述处理器执行时实现上述任一项所述的文件信息管理方法。
25.相比于相关技术，本发明通过在用户操作区域中设置预览层和标注层，并在预览层中设立展示层和划选层，对pdf文件内容进行信息处理和信息读取，实现了信息的抽取、划选、实时展示，又保证了文件样式的留存，解决了保存文件完整样式和暴露文字无法同时实现的矛盾，使企业文件信息管理更加简易化与自动化，大幅提升了企业文件信息管理效率。
26.本技术的一个或多个实施例的细节在以下附图和描述中提出，以使本技术的其他特征、目的和优点更加简明易懂。
附图说明
27.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
28.图1是根据本技术实施例的文件信息管理方法流程图；
29.图2是根据本技术实施例的展示层与划选层方框图；
30.图3是根据本技术实施例的标注层展示效果图；
31.图4为本发明的文件信息管理系统的结构示意图；
32.图5是根据本技术实施例的电子设备的框架图。
33.其中，附图标记为：
34.设置单元：51；
35.文件信息抽取单元：52；
36.文件信息展示单元：53；
37.pdf文件处理模块：521；
38.文件信息编排模块：522；
39.总线:80；
40.处理器：81；
41.存储器：82；
42.通信接口：83。
具体实施方式
43.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。基于本技术提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
44.显而易见地，下面描述中的附图仅仅是本技术的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本技术应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本技术公开内容相关的本领域的普通技术人员而言，在本技术揭露的技术内容基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本技术公开的内容不充分。
45.在本技术中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本技术所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
46.除非另作定义，本技术所涉及的技术术语或者科学术语应当为本技术所属技术领域内具有一般技能的人士所理解的通常意义。本技术所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本技术所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本技术所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本技术所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本技术所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
47.html5是构建web内容的一种语言描述方式，html5的设计目的是为了在移动设备上支持多媒体，其新引进的语法特征能够在移动设备上支持多媒体，如video、audio和canvas标记能更好的适应移动端设备。新的解析规则增强了灵活性、新属性、淘汰过时的或冗余的属性，真正的改变了用户与文档的交互方式。html5赋予网页更好的意义和结构，更加丰富的标签将随着对rdfa的，微数据与微格式等方面的支持，构建对程序、对用户都更有价值的数据驱动的web。基于html5开发的网页app拥有更短的启动时间，更快的联网速度，这些全得益于html5 app cache，以及本地存储功能。indexed db(html5本地存储最重要的技术之一)和api说明文档。从geolocation功能的api文档公开以来，html5为网页应用开发者们提供了更多功能上的优化选择，带来了更多体验功能的优势。html5提供了前所未有的数据与应用接入开放接口。使外部应用可以直接与浏览器内部的数据直接相连，例如视频影音可直接与microphones及摄像头相联。更有效的连接工作效率，使得基于页面的实时聊天，更快速的网页游戏体验，更优化的在线交流得到了实现。html5拥有更有效的服务器推送技术，server
‑
sent event和websockets就是其中的两个特性，这两个特性能够帮助我们实现服务器将数据“推送”到客户端的功能。
48.用html5的优点主要在于，这个技术可以进行跨平台的使用。比如你开发了一款html5的游戏，你可以很轻易地移植到uc的开放平台、opera的游戏中心、facebook应用平台，甚至可以通过封装的技术发放到app store或google play上，所以它的跨平台性非常强大，这也是大多数人对html5有兴趣的主要原因。很早就有人设想，能不能“一次设计，普遍适用”，让同一张网页自动适应不同大小的屏幕，根据屏幕宽度，自动调整布局(layout)。2010年，ethan marcotte提出了”自适应网页设计“这个名词，指可以自动识别屏幕宽度、并做出相应调整的网页设计。这就解决了传统的一种局面——网站为不同的设备提供不同的网页，比如专门提供一个mobile版本，或者iphone/ipad版本。这样做固然保证了效果，但是比较麻烦，同时要维护好几个版本，而且如果一个网站有多个portal(入口)，会大大增加架构设计的复杂度。游戏客户端每次都要更新，很麻烦。可是更新html5游戏就好像更新页面一样，是马上的、即时的更新。
49.本发明提供一种文件信息管理方法、系统、电子设备及存储介质，同时实现保存文档完整样式和文件信息的抽取、划选以及实时展示，使客户端角度所见即所得，实现企业信息管理更加自动化与简单化。
50.下面结合具体实施例对本发明进行说明。
51.实施例一
52.本实施例提供了文件信息管理方法。请参照图1至图3，图1是根据本技术实施例的文件信息管理方法流程图；图2是根据本技术实施例的展示层与划选层方框图；图3是根据本技术实施例的标注层展示效果图，如图所示，文件信息管理方法包括如下步骤：
53.设置步骤s1：在客户端操作区域中设置预览层和标注层，并在所述预览层中设置展示层和划选层；
54.文件信息抽取步骤s2：在所述展示层中将pdf文件渲染成canvas后，抽取所述canvas中的文件信息，并将抽取的所述文件信息编排在所述划选层中；
55.文件信息展示步骤s3：所述标注层附着在所述划选层上，展示客户端在所述划选层中标注的文件信息。
56.实施例中，所述设置步骤s1包括，所述展示层位于所述划选层下方。
57.具体实施中，展示层位于划选层下方，展示层为源文档的canvas绘图快照，类似于“背景图片”，最大程度的保存文件所有样式格式；划选层类似于“文字抓手”。
58.实施例中，所述文件信息抽取步骤s2包括：
59.pdf文件处理步骤s21：在所述展示层中使用pdf.js工具将所述pdf文件渲染成所述canvas，并在所述展示层上展示所述canvas后，通过所述span标签抽取所述canvas中的所述文件信息；
60.文件信息编排步骤s22：在所述划选层中编排抽取的所述文件信息中文字的大小以及位置。
61.具体实施中，使用mozilla开源的pdf.js工具，直接将pdf文件渲染成canvas。pdf.js框架可以通过纯html5技术实现文件的转换，无需任何本地支持，只要是浏览器支持h5均可以使用，兼容性较好。如果想要实现浏览器的抽取操作，一定要文字段落，而当我们使用pdf.js工具，直接将pdf文件渲染成canvas之后，就无法调用浏览器的文字选中api进行文件信息抽取。因此，本发明通过span标签抽取canvas中的文件信息将文件信息中的文字抽取出来，并通过绝对定位的方式，将每一个文字对应到展示层中此文字的位置，通过缩放功能对比原文字的具体大小，保证划选层文字与展示层文字大小相同。
62.实施例中，所述文件信息展示步骤s3包括，所述标注层在所述划选层上生成半透明的div方框，并在所述div方框中展示所述客户端在所述划选层中手动标注的所述canvas中的所述文件信息。
63.具体实施中，如图3所示，本发明的标注层记录和高亮用户标注的内容，生成半透明的div方框附着在划选层之上，实现在划选和标注之后仍能保存高亮的效果。
64.实施例二
65.请参照图4，图4为本发明的文件信息管理系统的结构示意图。如图4所示，发明的文件信息管理系统，适用于上述的文件信息管理方法，文件信息管理系统包括：
66.设置单元51：在客户端操作区域中设置预览层和标注层，并在所述预览层中设置展示层和划选层；
67.文件信息抽取单元52：在所述展示层中将pdf文件渲染成canvas后，抽取所述canvas中的文件信息，并将抽取的所述文件信息编排在所述划选层中；
68.文件信息展示单元53：所述标注层附着在所述划选层上，展示客户端在所述划选层中标注的文件信息。
69.在本实施例中，通过所述设置单元51将所述展示层设立在所述划选层下方。
70.在本实施例中，所述文件信息抽取单元52包括：
71.pdf文件处理模块521：在所述展示层中使用pdf.js工具将所述pdf文件渲染成所述canvas，并在所述展示层上展示所述canvas后，通过所述span标签抽取所述canvas中的所述文件信息；
72.文件信息编排模块522：在所述划选层中编排抽取的所述文件信息中文字的大小以及位置。
73.在本实施例中，所述标注层在所述划选层上生成半透明的div方框，并通过所述文件信息展示单元53在所述div方框中展示所述客户端在所述划选层中手动标注的所述
side bus，简称为fsb)、超传输(hyper transport，简称为ht)互连、工业标准架构(industry standard architecture，简称为isa)总线、无线带宽(infiniband)互连、低引脚数(low pin count，简称为lpc)总线、存储器总线、微信道架构(micro channel architecture，简称为mca)总线、外围组件互连(peripheral component interconnect，简称为pci)总线、pci
‑
express(pci
‑
x)总线、串行高级技术附件(serial advanced technology attachment，简称为sata)总线、视频电子标准协会局部(video electronics standards association localbus，简称为vlb)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线80可包括一个或多个总线。尽管本技术实施例描述和示出了特定的总线，但本技术考虑任何合适的总线或互连。
83.电子设备可连接文件信息管理系统，从而实现结合图1至图3描述的方法。
84.以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
85.综上所述，本发明通过在用户操作区域中设置预览层和标注层，并在预览层中设立展示层和划选层，对pdf文件内容进行信息处理和信息读取，实现了信息的抽取、划选、实时展示，又保证了文件样式的留存，解决了保存文件完整样式和暴露文字无法同时实现的矛盾，实现了客户端角度所见即所得，使企业信息管理更加简易化与自动化，大幅提升了企业文件信息管理效率。
86.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求的保护范围为准。