一种PDF文件表格解析方法及系统

授权

摘要

本发明公开了一种PDF文件表格解析方法及系统，涉及数据处理领域。所述方法：获取目标PDF文件，并将所述目标PDF文件转化为word文档；将word文档转化为html文档；识别html文档中的表格信息，读取并输出所述表格信息；在识别html文档中的表格信息过程中，还需要将识别到的表格信息转化成结构化信息。所述系统包括：转换单元一、转换单元二和制作单元。本发明所述方法不仅能准确的识别和读取PDF文件中的文字信息，还能完成的读取PDF文件中的表格信息，且准确率至少为90％，本发明还能将读取的表格信息转化为结构话数据。

基本信息

专利标题：

一种PDF文件表格解析方法及系统

专利标题（英）：

暂无

公开（公告）号：

CN108664458A

申请号：

CN201710193060.3

公开（公告）日：

2018-10-16

申请日：

2017-03-28

授权号：

CN108664458B

授权日：

2022-06-14

发明人：

裴泽光武海峰

申请人：

华多九州科技股份有限公司

申请人地址：

北京市海淀区万柳中路6号院4号楼1层101

代理机构：

北京市盛峰律师事务所

代理人：

于国富

优先权：

CN201710193060.3

主分类号：

G06F17/22

IPC分类号：

G06F17/22