[发明专利]表格信息提取方法、电子设备和存储介质

权利要求书

1.一种表格信息提取方法，所述方法包括：

对文档页面进行表格线段提取处理，得到多个线段和与所述线段对应的端点的第一坐标；

根据所述端点的第一坐标，确定所述端点对应的点簇；

对同一点簇的所述端点进行合并处理，得到所述端点的第二坐标；

根据所述多个线段和与所述线段对应的端点的第二坐标，确定表格的至少一个单元格的坐标信息；

根据所述单元格的坐标信息，对所述单元格进行内容提取，得到与所述单元格对应的内容信息；

根据所述单元格对应的坐标信息和内容信息，生成目标表格。

2.根据权利要求1所述的方法，其特征在于，所述根据所述端点的第一坐标，确定所述端点对应的点簇，包括：

将每个端点分别作为一个点簇，得到点簇集合；

基于所述点簇集合执行迭代过程，直至满足迭代结束条件；

基于所有迭代过程结束后得到的点簇集合，确定每个端点对应的点簇；

任一次所述迭代过程包括：

根据所述端点的第一坐标，确定所述点簇集合中每两个点簇之间的中心距离，将中心距离最小的两个点簇合并为一个点簇，得到新的所述点簇集合；

所述迭代结束条件为所述点簇集合中每两个所述点簇之间的中心距离均大于预设距离阈值。

3.根据权利要求1所述的方法，其特征在于，所述对同一点簇的所述端点进行合并处理，得到所述端点的第二坐标，包括：

根据所述点簇中所有端点的第一坐标进行平均值计算，得到所述点簇的中心坐标；

将所述点簇的所述中心坐标作为所述点簇中各个端点的第二坐标，以将所述点簇中的端点合并。

4.根据权利要求1所述的方法，其特征在于，所述根据所述多个线段和与所述线段对应的端点的第二坐标，确定表格的至少一个单元格的坐标信息，包括：

根据所述多个线段和与所述线段对应的端点的第二坐标，确定待合并线段和正常线段，所述待合并线段为满足合并条件的线段，所述正常线段为不满足合并条件的线段；

根据合并规则对待合并线段进行合并处理，得到合并线段；

根据所述合并线段和所述正常线段，确定目标线段集合以及所述目标线段集合中每个目标线段对应的端点的第三坐标，所述目标线段包括所述合并线段和所述正常线段；

根据每个目标线段对应的端点的第三坐标，确定交点集合以及所述交点集合中每个交点对应的第四坐标，所述交点为所述目标线段相交的交点；

根据所述目标线段和所述交点坐标，确定表格的至少一个单元格的坐标信息。

5.根据权利要求4所述的方法，其特征在于，所述根据所述多个线段和与所述线段对应的端点的第二坐标，确定待合并线段，包括：

根据所述多个线段和与所述线段对应的端点的第二坐标，确定重复的线段，将重复的线段作为待合并线段；

所述根据合并规则对待合并线段进行合并处理，包括：

在重复的线段中仅保留其中一个线段，将保留的线段作为合并线段。

6.根据权利要求4所述的方法，其特征在于，所述根据所述多个线段和与所述线段对应的端点的第二坐标，确定待合并线段，包括：

根据所述多个线段和与所述线段对应的端点的第二坐标，确定在同一方向上首尾相接的线段，将在同一方向上首尾相接的线段作为待合并线段；

所述根据合并规则对待合并线段进行合并处理，包括：

将在同一方向上首尾相接的线段合并为一个线段。

7.根据权利要求4所述的方法，其特征在于，所述根据所述多个线段和与所述线段对应的端点的第二坐标，确定待合并线段，包括：

根据所述多个线段和与所述线段对应的端点的第二坐标，确定在同一方向上至少部分重叠的线段，将在同一方向上至少部分重叠的线段作为待合并线段；

所述根据合并规则对待合并线段进行合并处理，包括：

将在同一方向上至少部分重叠的线段合并为一个线段。