[发明专利]一种PDF文档中的表格转换成Excel表格的方法

权利要求书

1.一种PDF文档中的表格转化成Excel表格的方法，其特征在于，该方法包括：

A、识别PDF文档中一页中所有的文本块，确定各个文本块边界的位置坐标；

B、以各个文本块横向边界坐标为划分依据，对该页进行划分得到行划分结果；以各个文本块的纵向边界坐标为划分依据，对该页进行划分得到列划分结果，由所述行划分结果和列划分结果，确定得到多个划分区域；

C、根据文本块的所述位置坐标，确定各个文本块所属的划分区域；

D、在Excel中按照步骤B的划分结果生成与之一致的表格，并按照步骤C所确定的结果，将各个文本块分别写入相应的表格区域中。

2.根据权利要求1所述的方法，其特征在于，以各个文本块横向边界坐标为划分依据，对该页进行划分得到行划分结果包括：

以各个文本块的下端边界坐标为划分依据，对该页进行划分得到行划分结果。

3.根据权利要求1所述的方法，其特征在于，以各个文本块纵向边界坐标为划分依据，对该页进行划分得到列划分结果包括：

选择文本块数目最多的行，以各个文本块右端边界坐标为划分依据，对该页进行划分得到列划分结果。

4.根据权利要求1所述的方法，其特征在于，所述步骤B和步骤C之间进一步包括：

分别判断所划分得到的行或列是否符合预先设定的行或列的设置要求，如果否，对不符合所述要求的行或列转换成符合要求的行或列。

5.根据权利要求4所述的方法，其特征在于，判断所划分得到的行是否符合预先设定的行的设置要求：

第一文本块与第二文本块上下相邻，所述第一文本块的下端与所述第二文本块的上端坐标间距小于第一阈值；

对不符合设置要求的行进行处理包括：增加一行，该行的上端为所述第一文本块的下端，该行的下端为所述第二文本块的上端。

6.根据权利要求4所述的方法，其特征在于，判断所划分得到的列是否符合预先设定的列的设置要求：

第三文本块位于第四文本块的左边，所述第三文本块和所述第四文本块的两左端位置坐标位于不同列的坐标之间；

对不符合设置要求的列进行处理包括：以所述第三文本块右端为界限增加一列。

7.根据权利要求4所述的方法，其特征在于，判断所划分得到的列是否符合预先设定的列的设置要求：

第六文本块位于第五文本块右端的右边，第七文本块左端的左边，所述第五文本块的右端、所述第七文本块的右端和所述第六文本块的左端和右端四个坐标位于不同列的坐标之间；

对不符合设置要求的列进行处理包括：以所述第六文本块右端为界限增加一列。

8.根据权利要求1至7任意一项所述的方法，其特征在于，所述步骤C包括：

根据文本块上端和左端的位置坐标，区域坐标确定各个文本块所属的划分区域，文本块的上端和左端位置坐标位于区域坐标范围内。

9.根据权利要求1至7任意一项所述的方法，其特征在于，所述文本块为：

由一个或几个字母或字符的组合而构成的集合。