本发明涉及文档处理技术领域，特别涉及一种文档标注方法、系统及计算机设备。
背景技术：
企业知识库是一款拥有海量文档数据的智能检索平台，基于企业知识库，利用全文检索技术，将文档数据建立文档索引，并利用智能推荐等技术，可实现高效快速的文档数据检索。在将文档数据展示给用户过程中，往往需要对文档内容进行标注，从而提高文档的可读性，方便用户快速抓取文档中的重点内容。
目前，就现有技术而言，现有的文档标注软件可实现对文档内容进行离线标注，但是该技术手段存在如下缺点：
(1)只能离线标注文档且只能对部分格式的文档进行标注；
(2)标注后内容只能离线查看。
技术实现要素：
为解决现有技术中离线标注文档、离线查看标注文档及对部分格式的文档进行标注的技术问题，本发明提供了一种文档标注方法，基于企业知识库实现了将大量不同类型的文档上传并标注，标注后的文档可在线查看，提升了文档的可读性，方便其他用户快速抓取文档中的重点内容。
本发明提供了一种文档标注方法，应用于企业知识库，包括如下步骤：
文档获取步骤，基于所述企业知识库获取待标注文档及其类型；
文档处理步骤，将所述待标注文档的类型转化为pdf类型，并将pdf类型的所述待标注文档转化成预设格式的图片；
文档标注步骤，基于所述图片，获取待标注文字内容的目标区域，计算所述目标区域的坐标信息，并为所述目标区域添加标注信息和所述坐标信息，将所述待标注文字内容、所述坐标信息及所述标注信息存储于数据库中。
上述的文档标注方法，其中，还包括：
文档识别步骤，采用识别技术对所述待标注文档进行识别，获取文档内容，并将所述文档内容、原类型的所述待标注文档、pdf类型的所述待标注文档、文档唯一标识号、文档标题及文档页码数存储于所述数据库中。
上述的文档标注方法，其中，还包括：
文档匹配步骤，将所述文档内容与所述待标注文字内容进行匹配，若匹配成功，则基于所述待标注文字内容相对应的所述标注信息和所述坐标信息，为所述文档内容中与所述待标注文字内容相同的内容添加所述标注信息和所述坐标信息。
上述的文档标注方法，其中，所述文档标注步骤中的所述标注信息包括：用户信息、标注内容信息、当前文档唯一标识号及当前文档页码。
上述的文档标注方法，其中，还包括：
文档查看步骤，基于所述当前文档唯一标识号和所述当前文档页码，获取所述当前文档页码相对应的所述坐标信息，根据所述坐标信息，定位到所述目标区域。
上述的文档标注方法，其中，所述文档标注步骤中的所述目标区域为长方形区域；
所述坐标信息的计算方法包括：分别计算所述目标区域的左上角顶点和右下角顶点到所述图片的左上角顶点的距离，得到所述目标区域的坐标信息。
上述的文档标注方法，其中，所述文档处理步骤中具体包括：
将所述待标注文档的类型转化为pdf类型，将pdf类型的所述待标注文档的每一页均对应转化成每一张预设格式的图片。
上述的文档标注方法，其中，所述文档获取步骤中所述待标注文档的类型包括ppt类型、pptx类型、txt类型、doc类型、docx类型、xls类型、xlsx类型及pdf类型。
本发明还提供一种实现如上所述的文档标注方法的系统，应用于企业知识库，包括：
文档获取单元，用于基于所述企业知识库获取待标注文档及其类型；
文档处理单元，用于将所述待标注文档的类型转化为pdf类型，并将pdf类型的所述待标注文档转化成预设格式的图片；
文档标注单元，用于基于所述图片，获取待标注文字内容的目标区域，计算所述目标区域的坐标信息，并为所述目标区域添加标注信息和所述坐标信息，将所述待标注文字内容、所述坐标信息及所述标注信息存储于数据库中。
本发明还提供一种计算机设备，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如上所述的文档标注方法。
本发明的技术效果或优点：
(1)本发明提供的一种文档标注方法，基于企业知识库获取待标注文档及其类型，将待标注文档的类型转化为pdf类型，并将pdf类型的待标注文档转化成预设格式的图片，基于图片，获取待标注文字内容的目标区域，计算目标区域的坐标信息，并为目标区域添加标注信息和坐标信息，将待标注文字内容、坐标信息及标注信息存储于数据库中。通过上述方式，该方法基于企业知识库实现了将大量不同类型的文档上传并标注，标注后的文档可在线查看，提升了文档的可读性，方便其他用户快速抓取文档中的重点内容。
(2)本发明提供的一种文档标注方法，将文档内容与待标注文字内容进行匹配，若匹配成功，则基于待标注文字内容相对应的标注信息和坐标信息，为文档内容中与待标注文字内容相同的内容添加标注信息和坐标信息。通过上述方式，当文档内容中存在与待标注文字内容相同内容时，只需标注一次，对其他相同内容自动标注，无需用户重复操作，用户体验性好。
附图说明
图1为本发明实施例提供的一个文档标注方法的流程图；
图2为本发明实施例提供的一个实现文档标注方法的系统的结构示意图；
图3为本发明实施例提供的一个电子设备的框架图；
以上图中：
10、总线；11、处理器；12、存储器；13、通信接口。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
显而易见地，下面描述中的附图仅仅是本申请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申请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，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的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，不应当理解为本申请公开的内容不充分。在本申请中提及“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申请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，本申请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。除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“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。本申请所涉及的术语“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。本申请所涉及的“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。
本申请所涉及的“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。本申请所涉及的术语“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。
为解决现有技术中离线标注文档、离线查看标注文档及对部分格式的文档进行标注的技术问题，本发明提供了一种文档标注方法，基于企业知识库实现了将大量不同类型的文档上传并标注，标注后的文档可在线查看，提升了文档的可读性，方便其他用户快速抓取文档中的重点内容。
下面结合具体实施例及说明书附图，对本发明的技术方案作详细说明。
本实施例提供一种文档标注方法，应用于企业知识库，包括如下步骤：
文档获取步骤，基于所述企业知识库获取待标注文档及其类型；
文档处理步骤，将所述待标注文档的类型转化为pdf类型，并将pdf类型的所述待标注文档转化成预设格式的图片；
文档标注步骤，基于所述图片，获取待标注文字内容的目标区域，计算所述目标区域的坐标信息，并为所述目标区域添加标注信息和所述坐标信息，将所述待标注文字内容、所述坐标信息及所述标注信息存储于数据库中。
本实施例提供的一种文档标注方法，基于企业知识库实现了将大量不同类型的文档上传并标注，标注后的文档可在线查看，提升了文档的可读性，方便其他用户快速抓取文档中的重点内容。
具体地说，参考图1，图1为本发明实施例提供的一个文档标注方法的流程图。本发明提供了一种文档标注方法，包括：
文档获取步骤s1，基于所述企业知识库获取待标注文档及其类型。
在本实施例中，待标注文档的类型包括ppt类型、pptx类型、txt类型、doc类型、docx类型、xls类型、xlsx类型及pdf类型。
在具体应用中，用户将所需标注的文档通过客户端上传至企业知识库，企业知识库获取待标注文档及其类型。
文档处理步骤s2，将所述待标注文档的类型转化为pdf类型，并将pdf类型的所述待标注文档转化成预设格式的图片。
在本实施例中，文档处理步骤s2具体包括，将所述待标注文档的类型转化为pdf类型，将pdf类型的所述待标注文档的每一页均对应转化成每一张预设格式的图片。
在具体应用中，企业知识库获取待标注文档的类型，当待标注文档的类型不为pdf类型时，通过liberoffice组件将待标注文档的类型转化成pdf类型。更具体地说，企业知识库将pdf类型的所述待标注文档的每一页均对应转化成每一张预设格式的图片后，将图片通过io流(输入输出流)传输至浏览器，浏览器接收到图片后，按照预设格式展示图片，预设格式即固定长宽比。
文档标注步骤s3，基于所述图片，获取待标注文字内容的目标区域，计算所述目标区域的坐标信息，并为所述目标区域添加标注信息和所述坐标信息，将所述待标注文字内容、所述坐标信息及所述标注信息存储于数据库中。
在本实施例中，文档标注步骤s3中的所述标注信息包括：用户信息、标注内容信息、当前文档唯一标识号及当前文档页码。
在本实施例中，文档标注步骤s3中的所述目标区域为长方形区域；
所述坐标信息的计算方法包括：分别计算所述目标区域的左上角顶点和右下角顶点到所述图片的左上角顶点的距离，得到所述目标区域的坐标信息。
在具体应用中，选中图片中待标注文字内容，计算出待标注文字内容的目标区域的左上角顶点和右下角顶点的到图片左上角顶点的直线距离x1和x2，并计算出待标注文字内容的目标区域的左上角顶点到图片上边缘的垂直距离y1和待标注文字内容的目标区域的右下角顶点到图片上边缘的垂直距离y2，图片上边缘即图片左上角顶点所处于的边缘，以x1为横坐标，以y1为纵坐标可得到目标区域的左上角顶点的坐标信息，以x2为横坐标，以y2为纵坐标可得到目标区域的右下角顶点的坐标信息，其中，选中目标区域后，自动弹出文本框，可对目标区域添加用户信息、标注内容信息、当前文档唯一标识号、当前文档页码和坐标信息。
文档识别步骤s4，采用识别技术对所述待标注文档进行识别，获取文档内容，并将所述文档内容、原类型的所述待标注文档、pdf类型的所述待标注文档、文档唯一标识号、文档标题及文档页码数存储于所述数据库中。
在具体应用中，当将待标注文档上传至企业知识库后，采用识别技术对待标注文档进行识别，具体地说，采用文字识别技术对待标注文档进行识别，从而获取文档内容。并将待标注文档按照文档唯一标识号、文档标题、文档内容及文档页码数的文档属性存储至数据库中。
为方便多用户的在线查看所标注的文档，本实施例还包括：
文档查看步骤s5，基于所述当前文档唯一标识号和所述当前文档页码，获取所述当前文档页码相对应的所述坐标信息，根据所述坐标信息，定位到所述目标区域。
在具体应用中，当浏览文档当前页时，通过此文档的当前文档唯一标识号和当前页码，获取坐标信息，根据坐标信息，可定位到目标区域，方便了多用户在线查看，提升了文档的可读性。
为实现文档相同内容的自动标注，本实施例还包括：
文档匹配步骤s6，将所述文档内容与所述待标注文字内容进行匹配，若匹配成功，则基于所述待标注文字内容相对应的所述标注信息和所述坐标信息，为所述文档内容中与所述待标注文字内容相同的内容添加所述标注信息和所述坐标信息。
在具体应用中，当为待标注文字内容添加标注信息和坐标信息后，将待标注文档的文档内容与待标注文字内容进行匹配，若匹配成功，则对文档内容中相同内容部分添加与待标注文字内容相同的标注信息和坐标信息，若匹配失败，则执行文档标注步骤。通过上述方式，当文档内容中存在与待标注文字内容相同内容时，只需标注一次，对其他相同内容自动标注，无需用户重复操作，用户体验性好。
本实施例提供的一种文档标注方法，基于企业知识库实现了将大量不同类型的文档上传并标注，标注后的文档可在线查看，提升了文档的可读性，方便其他用户快速抓取文档中的重点内容。
本发明实施例还提供一种实现如上所述的文档标注方法的系统，应用于企业知识库，参考图2，包括：
文档获取单元，用于基于所述企业知识库获取待标注文档及其类型；
在本实施例中，待标注文档的类型包括ppt类型、pptx类型、txt类型、doc类型、docx类型、xls类型、xlsx类型及pdf类型。
文档处理单元，用于将所述待标注文档的类型转化为pdf类型，并将pdf类型的所述待标注文档转化成预设格式的图片；
文档标注单元，用于基于所述图片，获取待标注文字内容的目标区域，计算所述目标区域的坐标信息，并为所述目标区域添加标注信息和所述坐标信息，将所述待标注文字内容、所述坐标信息及所述标注信息存储于数据库中。
在本实施例中，标注信息包括：用户信息、标注内容信息、当前文档唯一标识号及当前文档页码。
本实施例提供的一种实现如上所述的文档标注方法的系统，基于企业知识库实现了将大量不同类型的文档上传并标注，标注后的文档可在线查看，提升了文档的可读性，方便其他用户快速抓取文档中的重点内容。
参考图3，本实施例还提供一种计算机设备，包括存储器12、处理器11以及存储在所述存储器12上并可在所述处理器11上运行的计算机程序，所述处理器11执行所述计算机程序时实现如上所述的文档标注方法。
设备可以包括处理器11以及存储有计算机程序指令的存储器12。具体地，上述处理器11可以包括中央处理器(cpu)，或者特定集成电路(applicationspecificintegratedcircuit，简称为asic)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中，存储器12可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器12可包括硬盘驱动器(harddiskdrive，简称为hdd)、软盘驱动器、固态驱动器(solidstatedrive，简称为ssd)、闪存、光盘、磁光盘、磁带或通用串行总线(universalserialbus，简称为usb)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器12可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器12可在数据处理装置的内部或外部。在特定实施例中，存储器12是非易失性(non-volatile)存储器。在特定实施例中，存储器12包括只读存储器(read-onlymemory，简称为rom)和随机存取存储器(randomaccessmemory，简称为ram)。在合适的情况下，该rom可以是掩模编程的rom、可编程rom(programmableread-onlymemory，简称为prom)、可擦除prom(erasableprogrammableread-onlymemory，简称为eprom)、电可擦除prom(electricallyerasableprogrammableread-onlymemory，简称为eeprom)、电可改写rom(electricallyalterableread-onlymemory，简称为earom)或闪存(flash)或者两个或更多个以上这些的组合。在合适的情况下，该ram可以是静态随机存取存储器(staticrandom-accessmemory，简称为sram)或动态随机存取存储器(dynamicrandomaccessmemory，简称为dram)，其中，dram可以是快速页模式动态随机存取存储器(fastpagemodedynamicrandomaccessmemory，简称为fpmdram)、扩展数据输出动态随机存取存储器(extendeddateoutdynamicrandomaccessmemory，简称为edodram)、同步动态随机存取内存(synchronousdynamicrandom-accessmemory，简称sdram)等。
存储器12可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器11所执行的可能的计算机程序指令。
处理器11通过读取并执行存储器12中存储的计算机程序指令，以实现上述实施例中的任意一种文档标注方法。
在其中一些实施例中，计算机设备还可包括通信接口13和总线10。其中，参考图3，处理器11、存储器12、通信接口13通过总线10连接并完成相互间的通信。通信接口13用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信端口13还可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线10包括硬件、软件或两者，将电子设备的部件彼此耦接在一起。总线10包括但不限于以下至少之一：数据总线(databus)、地址总线(addressbus)、控制总线(controlbus)、扩展总线(expansionbus)、局部总线(localbus)。举例来说而非限制，总线10可包括图形加速接口(acceleratedgraphicsport，简称为agp)或其他图形总线、增强工业标准架构(extendedindustrystandardarchitecture，简称为eisa)总线、前端总线(frontsidebus，简称为fsb)、超传输(hypertransport，简称为ht)互连、工业标准架构(industrystandardarchitecture，简称为isa)总线、无线带宽(infiniband)互连、低引脚数(lowpincount，简称为lpc)总线、存储器总线、微信道架构(microchannelarchitecture，简称为mca)总线、外围组件互连(peripheralcomponentinterconnect，简称为pci)总线、pci-express(pci-x)总线、串行高级技术附件(serialadvancedtechnologyattachment，简称为sata)总线、视频电子标准协会局部(videoelectronicsstandardsassociationlocalbus，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10可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
1.一种文档标注方法，其特征在于，应用于企业知识库，包括如下步骤：
文档获取步骤，基于所述企业知识库获取待标注文档及其类型；
文档处理步骤，将所述待标注文档的类型转化为pdf类型，并将pdf类型的所述待标注文档转化成预设格式的图片；
文档标注步骤，基于所述图片，获取待标注文字内容的目标区域，计算所述目标区域的坐标信息，并为所述目标区域添加标注信息和所述坐标信息，将所述待标注文字内容、所述坐标信息及所述标注信息存储于数据库中。
2.根据权利要求1所述的文档标注方法，其特征在于，还包括：
文档识别步骤，采用识别技术对所述待标注文档进行识别，获取文档内容，并将所述文档内容、原类型的所述待标注文档、pdf类型的所述待标注文档、文档唯一标识号、文档标题及文档页码数存储于所述数据库中。
3.根据权利要求2所述的文档标注方法，其特征在于，还包括：
文档匹配步骤，将所述文档内容与所述待标注文字内容进行匹配，若匹配成功，则基于所述待标注文字内容相对应的所述标注信息和所述坐标信息，为所述文档内容中与所述待标注文字内容相同的内容添加所述标注信息和所述坐标信息。
4.根据权利要求2所述的文档标注方法，其特征在于，所述文档标注步骤中的所述标注信息包括：用户信息、标注内容信息、当前文档唯一标识号及当前文档页码。
5.根据权利要求4所述的文档标注方法，其特征在于，还包括：
文档查看步骤，基于所述当前文档唯一标识号和所述当前文档页码，获取所述当前文档页码相对应的所述坐标信息，根据所述坐标信息，定位到所述目标区域。
6.根据权利要求4所述的文档标注方法，其特征在于，所述文档标注步骤中的所述目标区域为长方形区域；
所述坐标信息的计算方法包括：分别计算所述目标区域的左上角顶点和右下角顶点到所述图片的左上角顶点的距离，得到所述目标区域的坐标信息。
7.根据权利要求1所述的文档标注方法，其特征在于，所述文档处理步骤中具体包括：
将所述待标注文档的类型转化为pdf类型，将pdf类型的所述待标注文档的每一页均对应转化成每一张预设格式的图片。
8.根据权利要求1所述的文档标注方法，其特征在于，所述文档获取步骤中所述待标注文档的类型包括ppt类型、pptx类型、txt类型、doc类型、docx类型、xls类型、xlsx类型及pdf类型。
9.一种实现如权利要求1至8中任一项所述的文档标注方法的系统，其特征在于，应用于企业知识库，包括：
文档获取单元，用于基于所述企业知识库获取待标注文档及其类型；
文档处理单元，用于将所述待标注文档的类型转化为pdf类型，并将pdf类型的所述待标注文档转化成预设格式的图片；
文档标注单元，用于基于所述图片，获取待标注文字内容的目标区域，计算所述目标区域的坐标信息，并为所述目标区域添加标注信息和所述坐标信息，将所述待标注文字内容、所述坐标信息及所述标注信息存储于数据库中。
10.一种计算机设备，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如权利要求1至8中任一项所述的文档标注方法。
技术总结