[发明专利]表格信息提取方法、电子设备及存储介质

权利要求书

1.一种表格信息提取方法，所述方法包括：

获取文档中的多个文本块和多个线条；

将预设的表头字段集合与所述文本块进行字符匹配，确定表格的表头区域；

根据所述表头区域和所述线条，确定所述表格的内容区域；

对所述表头区域中的文本块进行分割，得到多个表头列名；

对所述内容区域中的文本块进行分割，得到与所述表头列名对应的记录；

根据所述表头列名和所述表头列名对应的所述记录，生成结构化数据。

2.根据权利要求1所述的方法，其特征在于，在所述将预设的表头字段集合与所述文本块与进行字符匹配，确定表格的表头区域之前，还包括：

获取每个所述文本块的y向坐标；

根据每个所述文本块的y向坐标，确定每个所述文本块在所述文档中分别所属的行。

3.根据权利要求2所述的方法，其特征在于，所述根据每个所述文本块的y向坐标，确定每个所述文本块在所述文档中分别所属的行，包括：

根据y向坐标对所述多个文本块进行排序，得到第一文本块队列；

将所述第一文本块队列中的第一个文本块作为所述文档中第一行的文本块；

将所述第一文本块队列中除第一个文本块之外的其余文本块依次作为当前文本块，执行以下处理：

当根据当前文本块的y向坐标和前一个文本块的y向坐标确定当前文本块满足预设的行合并条件，确定当前文本块和前一个文本块属于同一行；

当根据当前文本块的y向坐标和前一个文本块的y向坐标确定当前文本块不满足预设的行合并条件，新建一行，并将当前文本块作为新建行的文本块。

4.根据权利要求2所述的方法，其特征在于，所述将预设的表头字段集合与所述文本块与进行字符匹配，确定表格的表头区域，包括：

将所述表头字段集合中字符长度最大的表头字段作为第一表头字段，将所述第一表头字段与所述文档中各行的所述文本块进行字符匹配，当所述行包括与所述第一表头字段匹配的文本块，将所述行确定为候选行；

从所述多个线条中确定与所述候选行距离最近的上线条和下线条，将所述上线条和所述下线条之间的区域确定为候选区域；

将所述表头字段集合中除所述第一表头字段之外的其余表头字段分别与所述候选区域中的所述文本块进行字符匹配，在其余表头字段均匹配成功的情况下，将所述候选区域确定为所述表头区域。

5.根据权利要求1所述的方法，其特征在于，所述根据所述表头区域和所述线条，确定所述表格的内容区域，包括：

获取第一框线的y向坐标，所述第一框线为所述表头区域的下线条；

从所述多个线条中获取满足预设筛选条件的线条，得到第一线条集合；

根据所述第一线条集合，确定所述内容区域底部的y向坐标；

根据所述第一框线的y向坐标和所述内容区域底部的y向坐标，确定所述内容区域；

所述满足预设的筛选条件的线条包括以下至少之一：

y向坐标小于所述第一框线的y向坐标的横向线条；

底部y向坐标小于等于所述第一框线的y向坐标且顶部y向坐标大于等于所述第一框线的y向坐标的纵向线条。

6.根据权利要求1所述的方法，其特征在于，所述对所述表头区域中的文本块进行分割，得到多个表头列名，包括：

对所述表头区域中的文本块进行分割，得到多列文本块；

对于每一列文本块，根据所述文本块的y向坐标确定文本块的上下顺序，并根据所述上下顺序对所述文本块进行排序；

对排序后的所述文本块进行拼接得到每一列的表头列名。

7.根据权利要求6所述的方法，其特征在于，所述对所述表头区域中的文本块进行分割，得到多列文本块，包括：

当所述表头区域具有纵向分割线，根据所述纵向分割线对所述表头区域中的文本块进行分割，得到多列文本块。