[发明专利]文档图像中的表格底部有编号附注识别技术

摘要

本发明涉及一种文档图像中的无边框表格解析方法，所述方法包括步骤：获取待识别范围内的所有非页眉页脚的页面元素；根据表格在页面中的位置信息，定位出表格结束后的第一个页面元素并获取相关信息；判断上述页面元素是否为纯文本，是则获取文本内容，否则继续判断后面的页面元素；针对通过上述判断的页面文本，首先进行文本内容预处理，再进行多次正则表达式匹配，并根据匹配结果判断是否为有编号附注；根据上述匹配结果，如果文本符合匹配结果判断标准，则此文本行为潜在的有编号附注起始行，同时根据匹配结果可知是否为无编号底部附注；针对有编号底部附注，获取编号模式后遍历下方的所有文本行，获取有编号附注的结束为止。

主权项

1.一种文档图像中的表格底部有编号附注识别方法，其特征在于，包括以下步骤：利用预先获取到页面信息，去除页面中的页眉页脚元素；获取表格结束后的第一个页面元素；对上述页面元素进行纯文本判断，根据判断结果决定是否需要判断后面的页面元素；针对上述获取到的纯文本内容，进行必要的预处理；针对上述预处理后的文本进行多种正则表达式匹配；根据上述匹配结果，判断目标文本是否为有编号附注起始行或无编号附注，寻找潜在的有编号附注起始行；针对被判断为有编号底部附注的文本，进行编号模式获取；根据获取到的编号模式，对目标文本后面的文本进行正则表达式匹配，寻找有编号附注结束位置。