[发明专利]一种PDF文档表格识别的方法有效
| 申请号： | 201610025529.8 | 申请日： | 2016-01-15 |
| 公开（公告）号： | CN105589841B | 公开（公告）日： | 2018-03-30 |
| 发明（设计）人： | 邹季英;袁仁慧;梁洵 | 申请（专利权）人： | 同方知网（北京）技术有限公司 |
| 主分类号： | G06F17/24 | 分类号： | G06F17/24 |
| 代理公司： | 北京天奇智新知识产权代理有限公司11340 | 代理人： | 刘黎明 |
| 地址： | 100084 北京市海淀区清华园清华*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种PDF文档表格识别的方法，包括获取页面中字符集，并将所述字符集合并成行，建立行集合；提取页面路径中水平线与垂直线，建立线集合；检测行集合中的疑似表标题与线集合中的疑似表格线；若同时存在疑似表标题和疑似表格线，则采用基于表标题和线集合的区域生长法识别表格；若仅存在疑似表格线，则用线集合和行集合先检测全线表再检测三线表；若仅存在疑似表标题，则用基于表标题和行集合的区域生长法识别表格；若既无疑似表格线也无疑似表标题，则判定该页无表格；检测表头、表注表格附属元素，输出该页表格识别结果。本发明将表标题、表格线及表格字符排布特点视为表格三大特征，采用区域并行生长的思想能在多表并存一页的复杂版面中准确定位表格。 | ||
| 搜索关键词： | 一种 pdf 文档 表格 识别 方法 | ||
【主权项】：
一种PDF文档表格识别的方法，其特征在于，所述方法包括：获取页面中字符集，并将所述字符集合并成行，建立行集合；提取页面路径中水平线与垂直线，建立线集合；检测行集合中的疑似表标题与线集合中的疑似表格线；若同时存在疑似表标题和疑似表格线，则采用基于表标题和线集合的区域生长法识别表格；若仅存在疑似表格线，则用线集合和行集合先检测全线表再检测三线表；若仅存在疑似表标题，则用基于表标题和行集合的区域生长法识别表格；若既无疑似表格线也无疑似表标题，则判定该页无表格；检测表头、表注表格附属元素，输出该页表格识别结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于同方知网（北京）技术有限公司，未经同方知网（北京）技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610025529.8/，转载请声明来源钻瓜专利网。
- 上一篇：基于WIFI定位和GIS的矿区危险源快速发现方法
- 下一篇：可移动式展示橱窗
