用于识别PDF表格的方法、设备和介质

专利权人的姓名或者名称、地址的变更

摘要

本公开的实施例涉及用于识别PDF表格的方法、设备和介质。在该方法中，可以针对PDF文件检索目标关键字，以便确定PDF文件中的目标表格区域；获取处于目标表格区域内的多个文本块；基于所述多个文本块的坐标，确定关于目标表格的扫描区域的左上起点和右下终点，以便提取扫描区域内的所有文本块；基于所提取的扫描区域内的所有文本块的坐标，确定对角坐标集合，所述对角坐标集合包括所有文本块中的每一个文本块的对角坐标；扫描对角坐标集合，以便生成扫描结果数组；以及遍历扫描结果数组，以便确定目标表格中的单元格文本信息。由此，本公开能够实现复杂PDF表格的精确识别，并且还可以实现表格提取、分析等处理。

基本信息

专利标题：

用于识别PDF表格的方法、设备和介质

专利标题（英）：

暂无

公开（公告）号：

CN114022888A

申请号：

CN202210007815.7

公开（公告）日：

2022-02-08

申请日：

2022-01-06

授权号：

CN114022888B

授权日：

2022-04-08

发明人：

朱峰尹扬郭鹏华

申请人：

上海朝阳永续信息技术股份有限公司

申请人地址：

上海市浦东新区张江高科碧波路690号4号楼

代理机构：

北京市金杜律师事务所

代理人：

王茂华

优先权：

CN202210007815.7

主分类号：

G06V30/412

IPC分类号：

G06V30/412 G06V30/414