PDF文档中表格解析的方法、系统、存储介质及电子设备
基本信息
| 申请号 | CN201910560269.8 | 申请日 | - |
| 公开（公告）号 | CN110472208A | 公开（公告）日 | 2019-11-19 |
| 申请公布号 | CN110472208A | 申请公布日 | 2019-11-19 |
| 分类号 | G06F17/24（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 陆惠国 | 申请（专利权）人 | 上海恒生聚源数据服务有限公司 |
| 代理机构 | 杭州华鼎知识产权代理事务所（普通合伙） | 代理人 | 上海恒生聚源数据服务有限公司 |
| 地址 | 200127 上海市浦东新区峨山路91弄61号7楼 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及PDF文档中表格解析的方法、系统、存储介质及电子设备，S1：对PDF文档中的绘图指令进行解析，获得线段；S2：根据线段解析出表格及表格对应的位置，根据表格及表格对应的位置获取表格数据；S3：对表格数据进行校验，若表格格式错误，则进入步骤S4，若表格格式正确，则提取表格数据并进入步骤S5；S4：通过图像边缘检测算法对PDF文档进行解析，获得线段，然后进入步骤S2；S5：通过基于深度学习的物体探测算法来探测PDF文档中无表格线的表格存在的区域，并在判定成功的区域中的文本块的排列位置，添加表格线得到表格数据，提取表格数据。通过使用本发明，大大提高了采集表格数据的效率，提高了准确性。 |
