用于挖掘PDF文件中的PDF表格的方法、设备和介质
基本信息
| 申请号 | CN202111554602.8 | 申请日 | - |
| 公开（公告）号 | CN114201620A | 公开（公告）日 | 2022-03-18 |
| 申请公布号 | CN114201620A | 申请公布日 | 2022-03-18 |
| 分类号 | G06F16/383;G06F40/18 | 分类 | 计算；推算；计数; |
| 发明人 | 殷佳春;徐正昀 | 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 | 庞淑敏 |
| 地址 | 201203 上海市浦东新区张江高科碧波路690号4号楼 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本公开的实施例涉及用于挖掘PDF文件中的PDF表格的方法和设备和介质，其中方法包括针对PDF表格设置目标关键字以及与所述目标关键字相关联的配置信息；解析所述PDF文件，以便获取所述PDF文件中的文本信息；基于与所述配置信息和所获取的文本信息，确定第一文本信息；基于所述目标关键字在所述第一文本信息中的预定义位置以及所述第一文本信息，确定第二文本信息；基于所提取的PDF表格的特征，验证所述第二文本信息是否属于所述PDF表格的特征行，以便确定所述PDF表格的特征行；基于所述目标关键字和所述第一文本信息，确定所述PDF表格的特征列；以及根据所确定的特征行和特征列获取所述PDF表格的单元格的文本信息。 |
