用于识别PDF表格的方法、设备和介质
基本信息
| 申请号 | CN202210007815.7 | 申请日 | - |
| 公开（公告）号 | CN114022888A | 公开（公告）日 | 2022-02-08 |
| 申请公布号 | CN114022888A | 申请公布日 | 2022-02-08 |
| 分类号 | G06V30/412（2022.01）I;G06V30/414（2022.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 朱峰;尹扬;郭鹏华 | 申请（专利权）人 | 上海朝阳永续信息技术股份有限公司 |
| 代理机构 | 北京市金杜律师事务所 | 代理人 | 王茂华 |
| 地址 | 201203 上海市浦东新区中国（上海）自由贸易试验区碧波路690号4号楼501室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本公开的实施例涉及用于识别PDF表格的方法、设备和介质。在该方法中，可以针对PDF文件检索目标关键字，以便确定PDF文件中的目标表格区域；获取处于目标表格区域内的多个文本块；基于所述多个文本块的坐标，确定关于目标表格的扫描区域的左上起点和右下终点，以便提取扫描区域内的所有文本块；基于所提取的扫描区域内的所有文本块的坐标，确定对角坐标集合，所述对角坐标集合包括所有文本块中的每一个文本块的对角坐标；扫描对角坐标集合，以便生成扫描结果数组；以及遍历扫描结果数组，以便确定目标表格中的单元格文本信息。由此，本公开能够实现复杂PDF表格的精确识别，并且还可以实现表格提取、分析等处理。 |
