PDF文檔中表格解析的方法、系統(tǒng)、存儲介質(zhì)及電子設(shè)備

基本信息

申請?zhí)?/td> CN201910560269.8 申請日 -
公開（公告）號 CN110472208A 公開（公告）日 2019-11-19
申請公布號 CN110472208A 申請公布日 2019-11-19
分類號 G06F17/24（2006.01）I 分類 計算；推算；計數(shù);
發(fā)明人 陸惠國 申請（專利權(quán)）人 上海恒生聚源數(shù)據(jù)服務(wù)有限公司
代理機構(gòu) 杭州華鼎知識產(chǎn)權(quán)代理事務(wù)所（普通合伙） 代理人 上海恒生聚源數(shù)據(jù)服務(wù)有限公司
地址 200127 上海市浦東新區(qū)峨山路91弄61號7樓
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及PDF文檔中表格解析的方法、系統(tǒng)、存儲介質(zhì)及電子設(shè)備，S1：對PDF文檔中的繪圖指令進(jìn)行解析，獲得線段；S2：根據(jù)線段解析出表格及表格對應(yīng)的位置，根據(jù)表格及表格對應(yīng)的位置獲取表格數(shù)據(jù)；S3：對表格數(shù)據(jù)進(jìn)行校驗，若表格格式錯誤，則進(jìn)入步驟S4，若表格格式正確，則提取表格數(shù)據(jù)并進(jìn)入步驟S5；S4：通過圖像邊緣檢測算法對PDF文檔進(jìn)行解析，獲得線段，然后進(jìn)入步驟S2；S5：通過基于深度學(xué)習(xí)的物體探測算法來探測PDF文檔中無表格線的表格存在的區(qū)域，并在判定成功的區(qū)域中的文本塊的排列位置，添加表格線得到表格數(shù)據(jù)，提取表格數(shù)據(jù)。通過使用本發(fā)明，大大提高了采集表格數(shù)據(jù)的效率，提高了準(zhǔn)確性。