[发明专利]一种PDF文档中的表格抽取方法、装置、设备及介质在审
| 申请号： | 201911082095.5 | 申请日： | 2019-11-07 |
| 公开（公告）号： | CN110795919A | 公开（公告）日： | 2020-02-14 |
| 发明（设计）人： | 陈宇;陈运文;王江;朱耀邦;钱亦欣;纪达麒 | 申请（专利权）人： | 达而观信息科技(上海)有限公司 |
| 主分类号： | G06F40/177 | 分类号： | G06F40/177 |
| 代理公司： | 11332 北京品源专利代理有限公司 | 代理人： | 孟金喆 |
| 地址： | 201203 上海市浦东新区中国(上海)自*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例公开了一种PDF表格识别和抽取方法、装置、设备及介质。其中，PDF表格识别和抽取方法包括：在包括有至少一个表格的PDF文档中，提取与至少一个表格的内容对应的结构化数据；将至少一个表格的结构化数据分别与待抽取表格内容对应的标注数据集进行匹配，确定与标注数据集匹配的目标表格；在目标表格中，识别出与标注数据集匹配的目标字段单元格集合；将目标表格中的所述目标字段单元格集合中的内容，写入至可编辑文档中。本发明实施例的技术方案通过将PDF文档中的表格对应的结构化数据与标注数据集进行匹配，实现了从表格中抽取特定单元格的技术效果，无需根据具体业务编写特定业务逻辑，提高了PDF文档中的表格抽取的通用性。 | ||
| 搜索关键词： | 数据集 标注 匹配 结构化数据 目标表格 抽取 表格识别 字段单元 集合 可编辑文档 表格抽取 表格内容 技术效果 业务逻辑 单元格 写入 | ||
【主权项】：
1.一种PDF文档中的表格抽取方法，其特征在于，包括：/n在包括有至少一个表格的PDF文档中，提取与所述至少一个表格的内容对应的结构化数据；/n将所述至少一个表格的结构化数据分别与待抽取表格内容对应的标注数据集进行匹配，确定与所述标注数据集匹配的目标表格；/n在所述目标表格中，识别出与所述标注数据集匹配的目标字段单元格集合；/n将所述目标表格中的所述目标字段单元格集合中的内容，写入至可编辑文档中。/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达而观信息科技(上海)有限公司，未经达而观信息科技(上海)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/201911082095.5/，转载请声明来源钻瓜专利网。
- 上一篇：确定阅读位置的方法、装置及设备
- 下一篇：一种文档生成方法及设备
