一種針對(duì)PDF文檔表格提取的系統(tǒng)及方法

基本信息

申請(qǐng)?zhí)?/td> CN201910738531.3 申請(qǐng)日 -
公開（公告）號(hào) CN110516208A 公開（公告）日 2019-11-29
申請(qǐng)公布號(hào) CN110516208A 申請(qǐng)公布日 2019-11-29
分類號(hào) G06F17/22;G06K9/00;G06K9/32 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 李舟軍;金代圣;肖武魁;劉俊杰;覃維 申請(qǐng)（專利權(quán)）人 深圳智能思創(chuàng)科技有限公司
代理機(jī)構(gòu) 北京慧泉知識(shí)產(chǎn)權(quán)代理有限公司 代理人 深圳智能思創(chuàng)科技有限公司
地址 518000 廣東省深圳市南山區(qū)深圳灣錦緞之濱第5-6棟6棟2C
法律狀態(tài) -

摘要

摘要 本發(fā)明公開一種針對(duì)PDF文檔的表格提取的系統(tǒng)，包括表格特征提取模塊、表格定位模塊、表格內(nèi)部結(jié)構(gòu)解析模塊；一種針對(duì)PDF文檔的表格提取的方法，包括：S1、表格特征提?。籗2、表格定位；S3、表格內(nèi)部結(jié)構(gòu)解析；最終表格被劃分成了二維網(wǎng)格的結(jié)構(gòu)，對(duì)于得到的二維網(wǎng)格化的表格，可以知道每個(gè)單元格的位置及大小，將表格使用HTML格式進(jìn)行輸出。本發(fā)明考慮了缺省線條以及底色區(qū)分單元格等特殊表格形式，能夠?qū)DF表格數(shù)據(jù)進(jìn)行高準(zhǔn)確率的提取。