一种版式文档中的含线表格信息提取方法
基本信息
| 申请号 | CN201910743582.5 | 申请日 | - |
| 公开（公告）号 | CN110688825A | 公开（公告）日 | 2020-01-14 |
| 申请公布号 | CN110688825A | 申请公布日 | 2020-01-14 |
| 分类号 | G06F40/177;G06F40/18 | 分类 | 计算；推算；计数; |
| 发明人 | 张诗玉;徐剑波;王磊 | 申请（专利权）人 | 北京众信博雅科技有限公司 |
| 代理机构 | - | 代理人 | - |
| 地址 | 100000 北京市海淀区西三旗安宁庄路4号9号楼4层0996 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及本发明涉及一种版式文档中的含线表格信息提取方法，包括以下步骤：步骤一、解析版式文档，逐页获取页面信息及页面中文字块和直线信息；步骤二、对各页的直线进行合并；步骤三、连续页拼接，将所有页面拼接，最终整个版式文件获得一个虚拟页；步骤四、提取表格所在位置和表格中直线信息；步骤五、结合文字块和表格线提取表格中各单元格内容和位置信息；步骤六、表格单元格的组织结构分析，本发明能有效提高表格的识别效果，尤其是不规则表格，减少了版式文档排版识别、转换的困难，有助于提高版式文档解析的效率和效果。 |
