CN103377177A - 一种数字版式文件中识别表格的方法及装置 - Google Patents
一种数字版式文件中识别表格的方法及装置 Download PDFInfo
- Publication number
- CN103377177A CN103377177A CN2012101290591A CN201210129059A CN103377177A CN 103377177 A CN103377177 A CN 103377177A CN 2012101290591 A CN2012101290591 A CN 2012101290591A CN 201210129059 A CN201210129059 A CN 201210129059A CN 103377177 A CN103377177 A CN 103377177A
- Authority
- CN
- China
- Prior art keywords
- literal
- class
- line
- straight line
- coordinate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000009021 linear effect Effects 0.000 claims description 71
- 238000001514 detection method Methods 0.000 claims description 21
- 239000000284 extract Substances 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 5
- 101100301930 Caenorhabditis elegans rhy-1 gene Proteins 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 101150097504 LHX1 gene Proteins 0.000 description 2
- 101150040658 LHX2 gene Proteins 0.000 description 2
- 108700042694 Lhx3 Proteins 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/414—Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/177—Editing, e.g. inserting or deleting of tables; using ruled lines
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Multimedia (AREA)
- Character Input (AREA)
- Image Analysis (AREA)
Abstract
Description
Claims (10)
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210129059.1A CN103377177B (zh) | 2012-04-27 | 2012-04-27 | 一种数字版式文件中识别表格的方法及装置 |
US13/871,862 US9348848B2 (en) | 2012-04-27 | 2013-04-26 | Methods and apparatus for identifying tables in digital files |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210129059.1A CN103377177B (zh) | 2012-04-27 | 2012-04-27 | 一种数字版式文件中识别表格的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103377177A true CN103377177A (zh) | 2013-10-30 |
CN103377177B CN103377177B (zh) | 2016-03-30 |
Family
ID=49462310
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210129059.1A Expired - Fee Related CN103377177B (zh) | 2012-04-27 | 2012-04-27 | 一种数字版式文件中识别表格的方法及装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9348848B2 (zh) |
CN (1) | CN103377177B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268545A (zh) * | 2014-09-15 | 2015-01-07 | 同方知网(北京)技术有限公司 | 一种电子档版式文件中的表格区域识别与内容栅格化方法 |
CN104780465A (zh) * | 2015-03-25 | 2015-07-15 | 小米科技有限责任公司 | 画面参数调节方法及装置 |
CN105589841A (zh) * | 2016-01-15 | 2016-05-18 | 同方知网(北京)技术有限公司 | 一种pdf文档表格识别的方法 |
CN105912516A (zh) * | 2016-04-01 | 2016-08-31 | 南京朗坤软件有限公司 | 一种从AutoCAD文件中一键式提取表格数据的方法 |
CN106778717A (zh) * | 2016-11-11 | 2017-05-31 | 河海大学 | 一种基于图像识别和k近邻的测评表识别方法 |
CN106951855A (zh) * | 2017-03-16 | 2017-07-14 | 深圳市飘飘宝贝有限公司 | 一种图片中文档定位和拆切方法 |
CN107909064A (zh) * | 2017-12-27 | 2018-04-13 | 掌阅科技股份有限公司 | 三线表识别方法、电子设备及存储介质 |
CN107943857A (zh) * | 2017-11-07 | 2018-04-20 | 中船黄埔文冲船舶有限公司 | 自动读取AutoCAD表格的方法、装置、终端设备与存储介质 |
CN108446264A (zh) * | 2018-03-26 | 2018-08-24 | 阿博茨德(北京)科技有限公司 | Pdf文档中的表格矢量解析方法及装置 |
CN108470021A (zh) * | 2018-03-26 | 2018-08-31 | 阿博茨德(北京)科技有限公司 | Pdf文档中表格的定位方法及装置 |
CN110163030A (zh) * | 2018-02-11 | 2019-08-23 | 鼎复数据科技(北京)有限公司 | 一种基于图像信息的pdf有边框表格抽取方法 |
CN110569489A (zh) * | 2018-06-05 | 2019-12-13 | 北京国双科技有限公司 | 基于pdf文件的表格数据解析方法及装置 |
CN110990551A (zh) * | 2019-12-17 | 2020-04-10 | 北大方正集团有限公司 | 文本内容的处理方法、装置、设备以及存储介质 |
CN111144282A (zh) * | 2019-12-25 | 2020-05-12 | 北京同邦卓益科技有限公司 | 表格识别方法和装置、计算机可读存储介质 |
CN113343658A (zh) * | 2021-07-01 | 2021-09-03 | 湖南四方天箭信息科技有限公司 | 一种pdf文件信息抽取方法、装置以及计算机设备 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9235757B1 (en) * | 2014-07-24 | 2016-01-12 | Amazon Technologies, Inc. | Fast text detection |
CN104636717B (zh) * | 2014-12-24 | 2018-06-15 | 四川超凡知识产权服务股份有限公司 | 图表识别的方法及装置 |
US11650970B2 (en) | 2018-03-09 | 2023-05-16 | International Business Machines Corporation | Extracting structure and semantics from tabular data |
US11200413B2 (en) * | 2018-07-31 | 2021-12-14 | International Business Machines Corporation | Table recognition in portable document format documents |
CN109308465B (zh) * | 2018-09-14 | 2020-01-17 | 百度在线网络技术(北京)有限公司 | 表格线检测方法、装置、设备及计算机可读介质 |
CN109858468B (zh) * | 2019-03-04 | 2021-04-23 | 汉王科技股份有限公司 | 一种表格线识别方法及装置 |
US11270065B2 (en) | 2019-09-09 | 2022-03-08 | International Business Machines Corporation | Extracting attributes from embedded table structures |
CN110598196A (zh) * | 2019-09-16 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 一种缺失外边框的表格数据提取方法、装置和存储介质 |
CN112036232B (zh) * | 2020-07-10 | 2023-07-18 | 中科院成都信息技术股份有限公司 | 一种图像表格结构识别方法、系统、终端以及存储介质 |
EP4099215B1 (en) | 2021-06-03 | 2024-01-10 | Telefonica Cibersecurity & Cloud Tech S.L.U. | Computer vision method for detecting document regions that will be excluded from an embedding process and computer programs thereof |
CN113269153B (zh) * | 2021-06-26 | 2024-03-19 | 中国电子系统技术有限公司 | 一种表格识别方法以及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6173073B1 (en) * | 1998-01-05 | 2001-01-09 | Canon Kabushiki Kaisha | System for analyzing table images |
JP2008046812A (ja) * | 2006-08-14 | 2008-02-28 | Fujitsu Ltd | 表データ処理方法及び装置 |
CN101676930A (zh) * | 2008-09-17 | 2010-03-24 | 北大方正集团有限公司 | 一种识别扫描图像中表格单元的方法及装置 |
CN101833546A (zh) * | 2009-03-10 | 2010-09-15 | 株式会社理光 | 从可移植电子文档中提取表格的方法和装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2789971B2 (ja) * | 1992-10-27 | 1998-08-27 | 富士ゼロックス株式会社 | 表認識装置 |
US6006240A (en) * | 1997-03-31 | 1999-12-21 | Xerox Corporation | Cell identification in table analysis |
US5950196A (en) * | 1997-07-25 | 1999-09-07 | Sovereign Hill Software, Inc. | Systems and methods for retrieving tabular data from textual sources |
-
2012
- 2012-04-27 CN CN201210129059.1A patent/CN103377177B/zh not_active Expired - Fee Related
-
2013
- 2013-04-26 US US13/871,862 patent/US9348848B2/en not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6173073B1 (en) * | 1998-01-05 | 2001-01-09 | Canon Kabushiki Kaisha | System for analyzing table images |
JP2008046812A (ja) * | 2006-08-14 | 2008-02-28 | Fujitsu Ltd | 表データ処理方法及び装置 |
CN101676930A (zh) * | 2008-09-17 | 2010-03-24 | 北大方正集团有限公司 | 一种识别扫描图像中表格单元的方法及装置 |
CN101833546A (zh) * | 2009-03-10 | 2010-09-15 | 株式会社理光 | 从可移植电子文档中提取表格的方法和装置 |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268545A (zh) * | 2014-09-15 | 2015-01-07 | 同方知网(北京)技术有限公司 | 一种电子档版式文件中的表格区域识别与内容栅格化方法 |
CN104780465A (zh) * | 2015-03-25 | 2015-07-15 | 小米科技有限责任公司 | 画面参数调节方法及装置 |
CN104780465B (zh) * | 2015-03-25 | 2018-09-04 | 小米科技有限责任公司 | 画面参数调节方法及装置 |
CN105589841B (zh) * | 2016-01-15 | 2018-03-30 | 同方知网(北京)技术有限公司 | 一种pdf文档表格识别的方法 |
CN105589841A (zh) * | 2016-01-15 | 2016-05-18 | 同方知网(北京)技术有限公司 | 一种pdf文档表格识别的方法 |
CN105912516B (zh) * | 2016-04-01 | 2019-02-05 | 朗坤智慧科技股份有限公司 | 一种从AutoCAD文件中一键式提取表格数据的方法 |
CN105912516A (zh) * | 2016-04-01 | 2016-08-31 | 南京朗坤软件有限公司 | 一种从AutoCAD文件中一键式提取表格数据的方法 |
CN106778717A (zh) * | 2016-11-11 | 2017-05-31 | 河海大学 | 一种基于图像识别和k近邻的测评表识别方法 |
CN106778717B (zh) * | 2016-11-11 | 2020-05-05 | 河海大学 | 一种基于图像识别和k近邻的测评表识别方法 |
CN106951855B (zh) * | 2017-03-16 | 2020-04-10 | 深圳市六六六国际旅行社有限公司 | 一种图片中文档定位和裁切方法 |
CN106951855A (zh) * | 2017-03-16 | 2017-07-14 | 深圳市飘飘宝贝有限公司 | 一种图片中文档定位和拆切方法 |
CN107943857A (zh) * | 2017-11-07 | 2018-04-20 | 中船黄埔文冲船舶有限公司 | 自动读取AutoCAD表格的方法、装置、终端设备与存储介质 |
CN107909064A (zh) * | 2017-12-27 | 2018-04-13 | 掌阅科技股份有限公司 | 三线表识别方法、电子设备及存储介质 |
CN110163030B (zh) * | 2018-02-11 | 2021-04-23 | 鼎复数据科技(北京)有限公司 | 一种基于图像信息的pdf有边框表格抽取方法 |
CN110163030A (zh) * | 2018-02-11 | 2019-08-23 | 鼎复数据科技(北京)有限公司 | 一种基于图像信息的pdf有边框表格抽取方法 |
CN108446264B (zh) * | 2018-03-26 | 2022-02-15 | 阿博茨德(北京)科技有限公司 | Pdf文档中的表格矢量解析方法及装置 |
CN108470021A (zh) * | 2018-03-26 | 2018-08-31 | 阿博茨德(北京)科技有限公司 | Pdf文档中表格的定位方法及装置 |
CN108446264A (zh) * | 2018-03-26 | 2018-08-24 | 阿博茨德(北京)科技有限公司 | Pdf文档中的表格矢量解析方法及装置 |
CN108470021B (zh) * | 2018-03-26 | 2022-06-03 | 阿博茨德(北京)科技有限公司 | Pdf文档中表格的定位方法及装置 |
CN110569489A (zh) * | 2018-06-05 | 2019-12-13 | 北京国双科技有限公司 | 基于pdf文件的表格数据解析方法及装置 |
CN110990551A (zh) * | 2019-12-17 | 2020-04-10 | 北大方正集团有限公司 | 文本内容的处理方法、装置、设备以及存储介质 |
CN110990551B (zh) * | 2019-12-17 | 2023-05-26 | 北大方正集团有限公司 | 文本内容的处理方法、装置、设备以及存储介质 |
CN111144282A (zh) * | 2019-12-25 | 2020-05-12 | 北京同邦卓益科技有限公司 | 表格识别方法和装置、计算机可读存储介质 |
CN111144282B (zh) * | 2019-12-25 | 2023-12-05 | 北京同邦卓益科技有限公司 | 表格识别方法和装置、计算机可读存储介质 |
CN113343658A (zh) * | 2021-07-01 | 2021-09-03 | 湖南四方天箭信息科技有限公司 | 一种pdf文件信息抽取方法、装置以及计算机设备 |
CN113343658B (zh) * | 2021-07-01 | 2024-04-09 | 湖南四方天箭信息科技有限公司 | 一种pdf文件信息抽取方法、装置以及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103377177B (zh) | 2016-03-30 |
US20130290376A1 (en) | 2013-10-31 |
US9348848B2 (en) | 2016-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103377177A (zh) | 一种数字版式文件中识别表格的方法及装置 | |
US9798925B2 (en) | Method for identifying PDF document | |
CN101770446A (zh) | 一种版式文件中表格识别方法及系统 | |
CN104516891B (zh) | 一种版面分析方法及系统 | |
CN101206639A (zh) | 一种基于pdf的复杂版面的标引方法 | |
CN106709032A (zh) | 抽取电子表格文档中结构化信息的方法及装置 | |
CN102156865A (zh) | 手写文本行字符切分方法、识别方法 | |
CN102194117B (zh) | 文稿页面方向检测方法和装置 | |
Harit et al. | Table detection in document images using header and trailer patterns | |
CN101676930A (zh) | 一种识别扫描图像中表格单元的方法及装置 | |
WO2012099801A4 (en) | Ordering document content | |
CN108197216A (zh) | 一种信息处理的方法 | |
CN104751148B (zh) | 一种版式文件中识别科学公式的方法 | |
CN105654022A (zh) | 一种提取文档结构化信息的方法及装置 | |
Mitchell et al. | Newspaper document analysis featuring connected line segmentation | |
CN108717544A (zh) | 一种基于智能图像分析的报纸样稿文字自动检测方法 | |
CN105488471A (zh) | 一种字形识别方法及装置 | |
CN104268545A (zh) | 一种电子档版式文件中的表格区域识别与内容栅格化方法 | |
CN103176956B (zh) | 用于提取文档结构的方法和装置 | |
CN101901333B (zh) | 文本图像中切分词的方法及使用该方法的识别装置 | |
CN111340000A (zh) | 一种针对pdf文档表格提取优化方法及系统 | |
CN107066997A (zh) | 一种基于图像识别的电气元件报价方法 | |
CN103400132A (zh) | 一种字符分割方法及装置 | |
CN102542279A (zh) | 维哈柯文文本图像的行提取方法及装置 | |
CN102591845B (zh) | 一种重叠文字的处理方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
ASS | Succession or assignment of patent right |
Owner name: FOUNDER INFORMATION INDUSTRY HOLDING CO., LTD. BEI Free format text: FORMER OWNER: BEIJING FOUNDER APABI TECHNOLOGY CO., LTD. Effective date: 20130923 |
|
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20130923 Address after: 100871 Beijing, Haidian District into the house road, founder of the building on the 9 floor, No. 298 Applicant after: PEKING UNIVERSITY FOUNDER GROUP Co.,Ltd. Applicant after: FOUNDER INFORMATION INDUSTRY HOLDINGS Co.,Ltd. Applicant after: FOUNDER APABI TECHNOLOGY Ltd. Address before: 100871 Beijing, Haidian District into the house road, founder of the building on the 9 floor, No. 298 Applicant before: PEKING UNIVERSITY FOUNDER GROUP Co.,Ltd. Applicant before: FOUNDER APABI TECHNOLOGY Ltd. |
|
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder |
Address after: 100871, Beijing, Haidian District Cheng Fu Road 298, founder building, 9 floor Patentee after: PEKING UNIVERSITY FOUNDER GROUP Co.,Ltd. Patentee after: PKU FOUNDER INFORMATION INDUSTRY GROUP CO.,LTD. Patentee after: FOUNDER APABI TECHNOLOGY Ltd. Address before: 100871, Beijing, Haidian District Cheng Fu Road 298, founder building, 9 floor Patentee before: PEKING UNIVERSITY FOUNDER GROUP Co.,Ltd. Patentee before: FOUNDER INFORMATION INDUSTRY HOLDINGS Co.,Ltd. Patentee before: FOUNDER APABI TECHNOLOGY Ltd. |
|
CP01 | Change in the name or title of a patent holder | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220908 Address after: 3007, Hengqin international financial center building, No. 58, Huajin street, Hengqin new area, Zhuhai, Guangdong 519031 Patentee after: New founder holdings development Co.,Ltd. Patentee after: FOUNDER APABI TECHNOLOGY Ltd. Address before: 100871, Beijing, Haidian District Cheng Fu Road 298, founder building, 9 floor Patentee before: PEKING UNIVERSITY FOUNDER GROUP Co.,Ltd. Patentee before: PKU FOUNDER INFORMATION INDUSTRY GROUP CO.,LTD. Patentee before: FOUNDER APABI TECHNOLOGY Ltd. |
|
TR01 | Transfer of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160330 |
|
CF01 | Termination of patent right due to non-payment of annual fee |