【概述】

    本软件是一个将PDF、PS等文件进行分析、反解、标引，输出各种XML的工具，为数字报（电子报）制作、报刊资料库建设、手机报制作等提供了一个高效率、功能全的内容加工平台。

【技术特点】

1、全面的输入格式支持

• PDF：支持单层PDF、双层PDF。由于各种格式均可转为PDF，不需要为每种格式单独开发，就共享了PDF内容加工的所有特性。鉴于支持PDF至关重要，我们在系统中配备了两套PDF解析引擎，最大程度地兼容了各种PDF可能存在的问题。系统可以不依赖Acrobat独立运行。对PDF解析的正确性和效果可以达到Acrobat标准。
• PS：为了方便用户，和充分利用PS中版面结构信息，系统支持直接打开PS。支持的PS包括方正全系列（书版、维思、飞腾3、飞腾4、飞腾5、创艺、文合等）、华光全系列、以Adobe为代表的标准PS。能有效处理PS内嵌字体、内嵌图片、EPS图、艺术字、花边、图片裁剪、公式、字体映射、乱码修正、字符位置修正等。无需另行提供页面图。

2、基于模板的自定义标引界面

• 自定义要标引的字段。
• 自定义标引字段的布局。
• 自定义字段控件类型，支持单选、多选、列表、文件、分类树、文本编辑、超文本编辑（支持字号、字体、样式调整）等。

3、全面的输出能力

• 支持输出主要的文件格式：包括TEXT、HTML、XML、EPUB、WORD等。
• 自定义输出模板：根据不同的项目需要自定义输出模板，控制输出的内容和格式。
• 自定义输出文件名称及文件夹组织：可以按日期、版次、序号等变量来自动命名和层次化组织。
• 同时支持多种输出：一次反解标引，同时多种输出，满足多个需求。例如一种格式加载到数据库用于检索，另一种格式上传用于原版展示。
• 多种输出途径：本地文件及打包、HTTP上传、FTP上传、WEB Service上传、加载到数据库。
• 全面的输出内容：头版或封面的导读信息，目录链接信息；图片、文字、坐标等。

4、自动分析和处理

• 版面分析、版面理解：利用版式数据中存在的版式信息，如：位置、字体、字号、颜色、辅助信息、版式风格等，辅以语义分析，提取版式数据的逻辑结构，将无序、无结构的数据，组织成有序、有结构的数据。
• 字段提取：在自定义特征的基础上提取特定信息。报纸字段如标题、引题、副题、作者、来源等。
• 格式分析：单词、行、段落、空白的分析。PDF文件几乎没有格式信息，PS也经常缺乏完整的格式信息。本系统提供了一个高精度的格式分析算法。
• 可集成内容挖掘模块：包括自动摘要、自动分类、自动标引关键词、政治常识校对等。

5、高效的生产效率

• 减少录入：默认值、可选值、值继承、全局字段、变量自动取值等。
• 自动查错：检查空值、唯一性、多值、正则表达式。
• 自动标引：通用的关键词自动标引。
• 备份恢复：一次做不完，可以备份工作状态，下次恢复后继续。
• 多人协作：报纸版面大，时效性强，可以多人分工，分别处理不同版面。
• 自定义快捷键。

6、更多完善的功能

• 连版的批量拆分。
• 英文空格分析。
• PDF原图抽取。
• 合并处理。
• 可视化人工干预。

7、开放性、灵活性及可扩展性

    可定制的标引方案、输出方案、分类法，多种上传方式，便于针对不同的数据或应用，快速定制，满足不同项目的需要，与不同系统进行配合。

【特色功能】

• 支持飞腾5 PS：很多同类产品不支持。
• 支持PDF：未来趋势，多种识别引擎保证。
• 支持版面分析（自动划框）。
• 自动识别图文块类型（标题、正文、图片、表格）。
• 自动分析段落。
• 自动抽取元数据（引题、副题、作者等）。
• 支持自定义分类。
• 支持电子报、手机报的数据加工。

【应用领域】

• 数据库建设：报刊资料图文库
• 电子报制作：支持版面图、热区坐标、多媒体
• 手机报制作：高度灵活性

【成功案例】

• 数据库案例：新华社自主报刊10余种、新华社各地分社30余个、专业数据库加工公司数百人使用、人民日报、解放日报、解放军报、文汇报等等。
• 电子报案例：乌鲁木齐报、人民政协报、文联艺术报、中国交通报、建投数字报、广东电网电子报、冶金报、东方烟草报、高等法院报、新疆日报、平安时报、神木报、西部矿业报、井冈山报、云南日报、西双版纳报等近百家媒体。

【期刊处理】

• 对期刊内容结构进行自动分析，自动定位每篇文章的起止位置
• 对所有文章进行自动切分
• 生成文章的栏目、目录导航信息，并链接到文章位置
• 结构识别规则可根据出版物的特色进行自定义（如字号、字体、位置、特殊文字等）
• 自动过滤页眉、页脚、页边
• 对文章的标题、作者、来源、页码、日期、期号等元数据进行自动识别、关联和提取
• 识别规则可以根据出版物特定进行定制
• 支持插图、表格的识别、提取、定位和关联
• 支持方便的人工标引、分类
• 集成自动分类、自动摘要等内容挖掘工具（选购）
• 按文章输出元数据、正文、图片等
• 按页面输出页面图及页面描述（所有文字、插图及其坐标）
• 文章段落排版正确，包含必要的空白，图片位置正确，图文混排
• 输出XML格式可自定义
• 加工结果可FTP上传，或加载到数据库

【演示截图】