一种PDF等版式文档中识别表格的方法
基本信息
| 申请号 | CN202110598830.9 | 申请日 | - |
| 公开（公告）号 | CN113343815A | 公开（公告）日 | 2021-09-03 |
| 申请公布号 | CN113343815A | 申请公布日 | 2021-09-03 |
| 分类号 | G06K9/00（2006.01）I;G06F40/177（2020.01）I;G06F40/174（2020.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 安永进;鲁林 | 申请（专利权）人 | 北森云计算有限公司 |
| 代理机构 | 成都九鼎天元知识产权代理有限公司 | 代理人 | 徐静 |
| 地址 | 610041四川省成都市高新区萃华路89号1栋1单元4001号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种PDF等版式文档中识别表格的方法，包括以下步骤：在PDF页面渲染过程中，记录页面状态，忽略隐藏线条，记录有效的横向线段和纵向线段；合并近似共线且相交或近似相交的横向线段和纵向线段；找到所有横向线段和纵向线段的交点和两侧端点；划分出多个互不联通的点线区域，将交点不超过4个的点线区域作为无效区域，多个相邻的无效区域作为无连通区域组并确定其单元格；针对交点超过4个的点线区域，得到每个单元格的坐标及边线；将每个单元格组划分为若干个表格行；得到表格整体的行数和列数；根据坐标设置单元格内的内容。本发明识别单元格更准确，不会因文本坐标出现漏识别或错识别，能准确提取单元格的行列特征。 |
