[发明专利]一种基于位置关系的PDF表格抽取方法在审
| 申请号： | 201810142927.7 | 申请日： | 2018-02-11 |
| 公开（公告）号： | CN110147537A | 公开（公告）日： | 2019-08-20 |
| 发明（设计）人： | 陈前力;王博远;吴雪军 | 申请（专利权）人： | 鼎复数据科技（北京）有限公司 |
| 主分类号： | G06F17/24 | 分类号： | G06F17/24 |
| 代理公司： | 北京康思博达知识产权代理事务所(普通合伙) 11426 | 代理人： | 范国锋;刘冬梅 |
| 地址： | 100020 北京*** | 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： | 本发明公开了一种基于位置关系的PDF表格抽取方法，该方法中首先整理/读取出PDF文件中的各个文本块信息，将由多个文本块并合形成的融合文本块再次拆分回多个文本块，并按照绝对位置信息重新排列所有的文本块；根据行间距和标志性序号，从中筛选出待处理表格；再对该待处理表格做进一步处理，如删除不规整表格，调整各个文本块的宽度，删除多余的行列等，最终得到与PDF中信息对应性良好的可编辑表格。 | ||
| 搜索关键词： | 文本块 表格抽取 基于位置 删除 绝对位置信息 读取 信息对应 重新排列 规整 并合 筛选 融合 行列 | ||
【主权项】：
1.一种基于位置关系的PDF表格抽取方法，其特征在于，该方法包括如下步骤：步骤1：从PDF文件中解析出各个文本块信息；步骤2：在虚拟内存中，按照PDF文件中的位置信息重新排列各个文本块，形成待处理文本；步骤3：识别所述待处理文本中各个行的位置信息和字符信息，从中筛选出待处理表格；步骤4：删除步骤3得到的待处理表格中不规整的表格；步骤5：调整所述待处理表格中各个文本块的宽度，使得同一列中的各个文本块宽度一致；步骤6：沿着文本块绘制表格。
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鼎复数据科技（北京）有限公司，未经鼎复数据科技（北京）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/201810142927.7/，转载请声明来源钻瓜专利网。
