一种文档识别的方法、设备和存储介质与流程

文档序号:19572136发布日期:2019-12-31 19:03阅读:来源:国知局

技术特征:

1.一种文档识别的方法,其特征在于,包括:

接收第一文档,所述第一文档中具有页面;

从所述页面提取具有目标元素的区域,所述目标元素包括第一表格;

检测所述区域中的交叉点,所述交叉点为至少两条线段相交的位置;

在所述区域中定位以所述交叉点组成的子区域,所述子区域用于表示所述第一表格中的单元格;

识别位于所述子区域中的字符;

生成与所述第一表格相同的第二表格;

将所述字符写入所述第二表格中。

2.根据权利要求1所述的方法,其特征在于,所述从所述页面提取具有目标元素的区域,包括:

确定元素识别模型,所述元素识别模型用于识别目标元素;

将所述页面输入所述元素识别模型中,输出具有所述目标元素的区域。

3.根据权要求2所述的方法,其特征在于,所述目标元素还包括非表格;

所述从所述页面提取具有目标元素的区域,还包括:

判定连续两个所述区域之间是否存在所述非表格;

若是,则确定所述区域有效;

若否,则合并连续两个所述区域,获得新的区域。

4.根据权利要求1所述的方法,其特征在于,所述检测所述区域中的交叉点,包括:

检测所述区域中的横线与竖线;

延伸所述横线;

延伸所述竖线;

确定延伸之后的所述横线与延伸之后的所述竖线相交的位置,作为交叉点。

5.根据权利要求1-4任一项所述的方法,其特征在于,所述在检测所述区域中的交叉点之前,还包括:

确定所述区域中的第一表格缺少边框;

添加所述第一表格缺少的边框。

6.根据权利要求1-4任一项所述的方法,其特征在于,所述在所述区域中定位以所述交叉点组成的子区域,包括:

确定在所述横线和所述竖线上至少三个相邻的所述交叉点,作为目标交叉点;

将所述目标交叉点组成的区域,作为子区域。

7.根据权利要求1-4任一项所述的方法,其特征在于,所述在所述区域中定位以所述交叉点组成的子区域,还包括:

确定相邻的所述子区域在所述区域中是否连通;

若是,则合并相邻的所述子区域,获得新的子区域;

若否,则确定所述子区域有效。

8.根据权利要求7所述的方法,其特征在于,所述确定相邻的所述子区域在所述区域中是否连通,包括:

确定所述子区域中各个交叉点的属性;

若所述属性均为单元格的角点,则确定所述子区域与相邻的子区域不连通;

若所述属性具有至少一个非单元格的角点,则确定所述子区域与相邻的所述子区域连通。

9.根据权利要求1-4任一项所述的方法,其特征在于,所述目标元素还包括非表格;

所述方法还包括:

确定所述表格与所述非表格在所述第一文档中的位置;

将所述表格与所述非表格按照所述位置写入第二文档中。

10.一种电子设备,其特征在于,包括:

一个或多个处理器;

存储器,用于存储一个或多个程序;

当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9任一所述的一种文档识别的方法。

11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-9任一所述的一种文档识别的方法。

当前第2页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1