[发明专利]一种文档识别的方法、设备和存储介质

权利要求书

1.一种文档识别的方法，其特征在于，包括：

接收第一文档，所述第一文档中具有页面；

从所述页面提取具有目标元素的区域，所述目标元素包括第一表格；

检测所述区域中的交叉点，所述交叉点为至少两条线段相交的位置；

在所述区域中定位以所述交叉点组成的子区域，所述子区域用于表示所述第一表格中的单元格；

识别位于所述子区域中的字符；

生成与所述第一表格相同的第二表格；

将所述字符写入所述第二表格中；

所述在所述区域中定位以所述交叉点组成的子区域，还包括：

确定相邻的所述子区域在所述区域中是否连通；

若是，则合并相邻的所述子区域，获得新的子区域；

若否，则确定所述子区域有效；

所述确定相邻的所述子区域在所述区域中是否连通，包括：

确定所述子区域中各个交叉点的属性；

若所述属性均为单元格的角点，则确定所述子区域与相邻的子区域不连通；

若所述属性具有至少一个非单元格的角点，则确定所述子区域与相邻的所述子区域连通。

2.根据权利要求1所述的方法，其特征在于，所述从所述页面提取具有目标元素的区域，包括：

确定元素识别模型，所述元素识别模型用于识别目标元素；

将所述页面输入所述元素识别模型中，输出具有所述目标元素的区域。

3.根据权利要求2所述的方法，其特征在于，所述目标元素还包括非表格；

所述从所述页面提取具有目标元素的区域，还包括：

判定连续两个所述区域之间是否存在所述非表格；

若是，则确定所述区域有效；

若否，则合并连续两个所述区域，获得新的区域。

4.根据权利要求1所述的方法，其特征在于，所述检测所述区域中的交叉点，包括：

检测所述区域中的横线与竖线；

延伸所述横线；

延伸所述竖线；

确定延伸之后的所述横线与延伸之后的所述竖线相交的位置，作为交叉点。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述在检测所述区域中的交叉点之前，还包括：

确定所述区域中的第一表格缺少边框；

添加所述第一表格缺少的边框。

6.根据权利要求4所述的方法，其特征在于，所述在所述区域中定位以所述交叉点组成的子区域，包括：

确定在所述横线和所述竖线上至少三个相邻的所述交叉点，作为目标交叉点；

将所述目标交叉点组成的区域，作为子区域。

7.根据权利要求1-4任一项所述的方法，其特征在于，所述目标元素还包括非表格；

所述方法还包括：

确定所述表格与所述非表格在所述第一文档中的位置；

将所述表格与所述非表格按照所述位置写入第二文档中。

8.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7任一所述的一种文档识别的方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一所述的一种文档识别的方法。