[发明专利]抽取电子表格文档中结构化信息的方法及装置有效
| 申请号： | 201611245472.9 | 申请日： | 2016-12-29 |
| 公开（公告）号： | CN106709032B | 公开（公告）日： | 2019-12-20 |
| 发明（设计）人： | 张军;贾西贝 | 申请（专利权）人： | 深圳市华傲数据技术有限公司 |
| 主分类号： | G06F16/25 | 分类号： | G06F16/25 |
| 代理公司： | 11514 北京酷爱智慧知识产权代理有限公司 | 代理人： | 任媛 |
| 地址： | 518000 广东省深圳市龙华新区清*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于数据处理技术领域，具体涉及一种抽取电子表格文档中结构化信息的方法及装置。本发明提供的抽取电子表格文档中结构化信息的方法，包括：通过孤立表格识别算法获取电子表格文档中所有业务表格；对所述业务表格进行布局分析；根据布局分析结果从所述业务表格中抽取内容，并做对应的转换处理得到结构化信息。本发明提供的抽取电子表格文档中结构化信息的方法及装置，实现了自动批量获取电子表格文档中所有业务表格的功能，提高了大规模数据抽取的效率。 | ||
| 搜索关键词： | 电子表格文档 业务表格 抽取 中结构 布局分析 数据处理技术 大规模数据 结构化信息 表格识别 算法获取 转换处理 孤立 | ||
【主权项】：
1.一种抽取电子表格文档中结构化信息的方法，其特征在于，包括：/n通过孤立表格识别算法获取电子表格文档中所有业务表格；/n对所述业务表格进行布局分析；/n根据布局分析结果从所述业务表格中抽取内容，并做对应的转换处理得到结构化信息；所述通过孤立表格识别算法获取电子表格文档中所有业务表格，包括：/n建立与所述电子表格文档的尺寸相同的两个二维bit数组，记为A和B；/n遍历所述电子表格文档中的所有单元格，若单元格中有内容，则A中相应位置标记为1，否则标记为0；/n遍历所述电子表格文档中的所有单元格，根据单元格的边框线对B进行标记；/n若B中的值为1，则A中相同位置的值设为1；/n根据更新后的A获取所述电子表格文档中的业务表格坐标。/n
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深圳市华傲数据技术有限公司，未经深圳市华傲数据技术有限公司许可，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/201611245472.9/，转载请声明来源钻瓜专利网。
