首页 文章 精选 留言 我的
优秀的个人博客,低调大师

微信关注我们

原文链接:https://www.oschina.net/news/152368

转载内容版权归作者及来源网站所有!

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

文档内容结构化在百度文库的技术探索

导读:简述百度文库关于各类文档的转码和展现历程,早期的版式数据满足了PC端的各类文档阅读体验,随着业务发展的需求迭代,无线端的文档阅读体验亟需提升。版式数据转流式数据过程中,简易的内容结构化满足了pdf数据在无线端的重排版。底层解析ooxml数据和细致的内容结构化,则带来了不错的word无线端重排版效果。从chart图片中“从无到有”抽取结构化的元数据,更为用户与文档的互动打开了想象空间 全文3724字,预计阅读时间 9分钟。 一、百度文库中各类文档的展现 文库有数十亿海量文档,包括word,ppt,excel和pdf等十几种常见办公文档,核心基础服务是文档转码和展现。 为了统一十几种文档的转码和展现方案,不依赖于原文件格式的开档软件,技术调研后,最终方案为任意文档转码为pdf格式,解析开源的pdf数据格式,加工后形成文库自有文档格式,在pc端、无线端排版和渲染。 PC端渲染采用源于PDF的xreader版式数据,版式数据指的是每个元素(文字、图片)都有一个坐标信息和元素的宽高信息,以及其他的描述信息。每一个文本片段、图片和其他矢量元素等根据坐标信息在当前版面固定显示。因此,版式数据比...

Apache Doris 社区喜迎 4 位新晋 Committer 成员

关于 Apache Doris(Incubating) Apache Doris 是一款基于 MPP 的分析型数据库系统。 其简洁的架构,能够帮助用户在不依赖任何第三方系统的情况下,快速搭建一个高性能、高可靠、高可用、易扩展的分布式数据库。 Doris全面兼容标准的 SQL 语法,支持 MySQL 协议,拥有完备的分布式管理框架和 MPP 查询框架,并且提供列式存储、向量化执行、预聚合引擎、分级存储等众多高级特性。不仅能够轻松应对上万 QPS 的在线报表场景,也能够在高吞吐的即席查询场景快速进行数据分析。 Apache Doris 社区喜迎 4 位 Committer成员 大家好,在 2021 年二季度下旬,经过 Apache Doris PPMC (孵化器项目管理委员会)的推荐和投票,Doris 社区迎来了 4 位新晋 Committer 。 他们分别是来自美团的刘立家(Github ID:liutang123)和来自小米的赖迎春(Github ID:acelyc111)、汪细勖(Github ID:xinghuayu007)、魏祚(Github ID:weizuo93),在此感谢他...

相关文章

发表评论

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

Apache Tomcat

Apache Tomcat

Tomcat是Apache 软件基金会(Apache Software Foundation)的Jakarta 项目中的一个核心项目,由Apache、Sun 和其他一些公司及个人共同开发而成。因为Tomcat 技术先进、性能稳定,而且免费,因而深受Java 爱好者的喜爱并得到了部分软件开发商的认可,成为目前比较流行的Web 应用服务器。

Eclipse

Eclipse

Eclipse 是一个开放源代码的、基于Java的可扩展开发平台。就其本身而言,它只是一个框架和一组服务,用于通过插件组件构建开发环境。幸运的是,Eclipse 附带了一个标准的插件集,包括Java开发工具(Java Development Kit,JDK)。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。