优质的媒体内容是传统出版最大的优势。将这些内容进行全媒体出版，包括网络出版、移动出版等，使内容的价值得到最大化，是传统出版与新媒体技术的强强联合。

    海量信息经过加工、整合、挖掘才能提升其使用价值。要满足各种应用的需要，就必须对书、刊、报、文档等电子出版物或数字化结果进行版面理解和版面分析，将版式文件转换为流式文件，并建立数据之间的结构和逻辑关系。

    本软件可以将PDF、PS等文件进行分析、反解、标引和输出各种格式的集成工具，为数字报、数字期刊、数字图书、移动出版提供一个高效率、功能全的内容加工平台，为数字出版各个环节（存储、查询、展示、再利用、知识挖掘、版权保护、电子商务等）生产符合需求的数据。本软件面向各种数字出版应用，全面超越了传统的书刊报反解标引工具。

    PDF是数字出版内容加工的中心。各种格式（如PS、大样、WORD等）都可以转换为PDF，统一在PDF上进行反解、标引和输出，间接地支持了所有来源格式。

    根据具体应用的需要，可以将PDF转换为各种不同格式。例如，文本文件用于手机出版，WORD用于再次编辑，HTML用于文章展示，XML用于数据库，IMAGE用于在线原版展示等。通过配置输出模板，或调用特定编译器，还可以生成其他需要的各种不同格式。

    内容加工包括自动转换和深度加工。自动转换包括页面图等信息的自动转换。深度加工包括版面分析、文章拆分、标引分类等。深度加工尽最大可能提供智能分析，并提供高效率的人工处理手段。

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三套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、字体映射等。无需另行提供页面图。
• 大样文件：包括s2、s72、s92、s10、ps2、mps、nps，也叫二扫文件，是方正和华光早期的排版系统输出的排版文件，现在主要用于版面预览。大样文件包含版面结构信息，并较少有乱码问题。
• 图片：包括JPG、EPS、TIF、PNG、BMP等。在某些情况下用户只能获得页面图，或只能扫描，但仍然可以用本系统进行加工、标引，并输出坐标等信息。文字有两种方式处理：一是导入外部文本文件；二是使用PDF OCR模块进行文字识别。

 

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、WORD、HTML、XML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

• 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。 针对报纸版面：可以从复杂版面中提取必要的文字和排版信息，自动判定排版方向、合并正文块，自动还原正文阅读顺序，自动关联文章标题和正文，并进行附图与图说、文章与附图之间的自动关联。 针对图书版面：自动进行版心定位、页眉页脚和页码处理，自动进行目录提取、章节切分，进行参考文献等辅助信息的条目化处理。
• 文档结构识别：即文章或章节的分析。从书签、目录页或内容页进行分析，文章或章节的拆分，并生成目录信息。
• 格式分析：单词、行、段落的分析。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。
• 文章或章节分析：从书签、目录页或内容页进行分析，文章或章节的拆分，并生成目录信息。
• 字段分析：报纸字段如标题、引题、副题、作者、来源等，期刊字段如标题、作者、作者单位、关键字、编号、内容摘要等，图书CIP元数据如书名、作者、责任编辑、出版单位、ISBN、开本、定价、发行单位、内容提要等。

 

5、高效的生产效率析

• 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：通用关键字自动标引，基于简单规则的自动分类；也可以集成专业的自动分类、自动摘要组件。
• 备份恢复：一本书往往一次做不完，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；期刊、图书可以多人分工，分别处理不同部分。
• 连版的批量拆分。
• 自定义快捷键。

 

6、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。