一种从PDF文档中提取表格信息的方法及系统

发明专利有效专利

申请号：
CN202110751861.3
IPC分类号：G06K9/00;G06K9/34
申请日期：
2021-07-02
申请人：
西南科技大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种从PDF文档中提取表格信息的方法及系统
申请号	CN202110751861.3	申请日期	2021-07-02
法律状态	公开	申报国家	中国
公开/公告日	2021-11-19	公开/公告号	CN113673306A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;3;4查看分类表>
申请人	西南科技大学	申请人地址	四川省绵阳市涪城区青龙大道中段59号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	西南科技大学	当前权利人	西南科技大学
发明人	杨春明;谢明旭;张晖
代理机构	成都九鼎天元知识产权代理有限公司	代理人	吴彦峰

摘要

本发明公开了一种从PDF文档中提取表格信息的方法及系统，该方法包括以下步骤：S1，截取PDF格式文档中的表格部分的图像，生成为新PDF文档，为新PDF文档添加可直接修改的文字层；S2，分析新PDF文档中的表格图片，识别出表格图片中被隐藏的内部框线，划线补充内部框线，得到具有完整框线的表格图片；S3，识别拥有完整框线的表格图片，获取表格文字信息的同时保留表格图片的完整框线，将表格图片中的文字信息和框线信息转为电子表格文件。本发明解决了现有技术存在的提取不具有完整框线的PDF文档或表格图片时准确度差、鲁棒性欠缺，如果中途出现提取错误无法从中间步骤快速干预修复等问题。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供