专利详情

专利名称	一种基于区域识别与分割的PDF表格数据解析方法
申请号	CN201710760650.X	专利类型	发明专利
公开（公告）号	CN107622230A	公开（授权）日	2018.01.23
申请（专利权）人	中国科学院软件研究所	发明（设计）人	刘晓伟;刘张宇;薛云志
主分类号	G06K9/00(2006.01)I	IPC主分类号	G06K9/00(2006.01)I;G06K9/34(2006.01)I
专利有效期	一种基于区域识别与分割的PDF表格数据解析方法至一种基于区域识别与分割的PDF表格数据解析方法	法律状态	实质审查的生效
说明书摘要	本发明涉及一种基于区域识别与分割的PDF表格数据解析方法，定位PDF文档中要解析的指定页面，并将指定页面转换为灰阶图像文件；解析灰阶图像文件，获取其中的数据部分并保存到二维数组中；针对所得到的二维数组，通过表格分割线扫描算法，进行表格区域的识别和不同表格区域的分割；进行表格区域的识别和不同表格区域的分割后，依次对各个表格进行解析，在解析时，根据表格样式的不同，将表格分为非复杂结构的表格和复杂结构的表格进行处理，从而得到解析结果，能够提高复杂表格数据解析的准确率；将所得到的解析后的表格数据按照需要的文件格式进行存储。本发明是一种能够快速、准确地从PDF文档中提取所需要的表格数据的方法。