[发明专利]识别图片文件中表格内容的方法、装置、设备及存储介质

权利要求书

1.一种识别图片文件中表格内容的方法，其特征在于，包括：

获取待识别的目标图片文件；

对所述目标图片文件进行字符识别处理，得到所述目标图片文件中的字符信息；

将识别出的字符信息与预设词库进行匹配处理，以得到与所述预设词库匹配度大于第一阈值的表头字符；所述字符信息包括字符语义及字符位置信息；所述字符位置信息，包括字符第一方向坐标、第二方向坐标；根据所述表头字符的位置信息及语义，根据任一表头字符的第一方向坐标或第二方向坐标，确定与所述任一表头字符对应的目标内容字符的第一方向坐标范围或第二方向坐标范围；

从所述字符信息中选取位置信息符合所述第一方向坐标范围或第二方向坐标范围的初选字符集；

根据所述任一表头字符的语义，从所述初选字符集中，选取与所述任一表头字符的语义匹配的字符为所述任一表头字符对应的内容字符；

根据所述表头字符的位置信息及语义、所述内容字符的位置信息及语义，生成所述目标图片文件中包括的表格。

2.如权利要求1所述的方法，其特征在于，

所述得到与所述预设词库匹配度大于第一阈值的表头字符，包括：

将识别出的字符信息与预设词库进行匹配处理，以得到与所述预设词库匹配度大于第一阈值的目标字符集；

根据所述字符信息中的字符语义，确定所述字符信息对应的表格样式；

根据所述表格样式，确定目标位置信息；

根据所述目标位置信息及所述目标字符集对应的位置信息，从所述目标字符集中获取表头字符。

3.如权利要求2所述的方法，其特征在于，所述确定所述目标图片文件中包括的表格内容之前，还包括：

利用所述预设词库，对所述表头字符及所述内容字符进行归一化及词语合并处理。

4.如权利要求1所述的方法，其特征在于，其中，所述字符位置信息，还包括字符在第二方向的宽度；

所述得到所述目标图片文件中的字符信息之后，还包括：

将字符信息按第一方向坐标由小到大的顺序进行依次遍历，判断第j个字符与第i个字符在第二方向的坐标是否相同，其中，第j个字符与第i个字符间各相邻字符的第一方向坐标的差值均在预设范围内，i和j均为正整数，且j大于i；

若所述第j个字符与第i个字符在第二方向的坐标不同，则根据所述第j个字符的第二方向的宽度及所述第i个字符的第二方向的宽度，确定所述第j个字符与所述第i个字符在第二方向的重合度；

判断所述第j个字符与所述第i个字符在第二方向的重合度，是否大于第三阈值；

若大于，则对所述第j个字符和/或所述第i个字符在第二方向的坐标进行修正。

5.如权利要求4所述的方法，其特征在于，所述对所述第j个字符和/或所述第i个字符在第二方向的坐标进行修正之前，还包括：

根据第i个字符的第二方向坐标及所述第j个字符的第二方向坐标，确定目标第二方向坐标范围；

选取第二方向坐标属于所述目标第二方向坐标范围内的k个字符；

根据所述k个字符的第二方向坐标，对所述第j个字符和/或所述第i个字符在第二方向的坐标进行修正。

6.如权利要求5所述的方法，其特征在于，所述字符位置信息，还包括第一方向的宽度；

所述将所述字符信息按第一方向坐标由小到大的顺序进行依次遍历之后，还包括：

根据第j个字符的第一方向坐标及所述第i个字符的第一方向坐标，确定目标第一方向坐标范围；

选取第一方向坐标属于所述目标第一方向坐标范围内的m个字符；

根据所述m个字符的第一方向坐标，对所述第j个字符和/或所述第i个字符在第一方向的坐标进行修正。

7.如权利要求1-6任一所述的方法，其特征在于，

所述将识别出的字符信息与预设词库进行匹配处理之前，还包括：

根据所述字符语义，确定目标词库；

所述将识别出的字符信息与预设词库进行匹配处理，包括：

将所述识别出的字符信息与所述目标词库进行匹配处理。