[发明专利]基于RPA及AI的表格信息抽取方法、装置、设备及介质

权利要求书

1.一种基于RPA及AI的表格信息抽取方法，其特征在于，包括：

S1、将包含有表格的文件转化为图片；

S2、识别所述图片中的表格，并根据识别结果生成与表格类型对应的信息抽取模板，所述信息抽取模板中包含有表格内各个键值对的键及其位置信息，以及待抽取的各个键值对的值的位置信息；

S3、按照所述信息抽取模板，从所述识别结果中抽取表格内容。

2.根据权利要求1所述的方法，其特征在于，步骤S2具体包括：

S21、对所述图片进行光学字符OCR识别，得到识别结果，该识别结果包括各表格中每个单元格的内容，及各单元格在所述表格中的位置信息；

S22、对于任意一种类型的表格，根据表格中各单元格的内容及各单元格在所述表格中的位置信息，生成与表格类型对应的信息抽取模板。

3.根据权利要求1或2所述的方法，其特征在于，表格类型包括左右一对一格式，该左右一对一格式的表格中各个键值对的键与值是左右位置关系，且键与值是一对一的关系；

相应的，步骤S22具体包括：

S221、将表格中各单元格的内容按照在表格内行和列的位置信息进行拼接；

S222、对于表格中的每一行内容，基于拼接后内容，生成与表格类型对应的第一信息抽取模板；

其中，第一信息抽取模板中包含有表格内每一行各个键值对的键及其位置信息，以及待抽取的各个键值对的值的位置信息。

4.根据权利要求2所述的方法，其特征在于，表格类型包括上下一对多格式，该上下一对多格式的表格中各个键值对的键与值是上下位置关系，且键与值是一对多的关系；

相应的，步骤S22具体包括：

S221、如果未检测到预设词表，则将表格中各单元格的内容按照所在行的位置信息进行拼接，并将拼接后内容与预设标准模板的内容进行匹配，所述预设标准模板中包括预先设定抽取的键值对的键；

S222、如果匹配成功，则将相匹配的键所对应的列的个数作为第一目标个数；

S223、对表格按行进行遍历，将表格中列的个数作为第一标准个数；

S224、如果第一标准个数与第一目标个数相匹配，则在表格中第一列单元格之前添加辅助变量，所述辅助变量用于在表格内容提取时将表格中各行内容进行区分；

S225、基于所述辅助变量和所述相匹配的键及其位置信息，生成表格类型对应的第二信息抽取模板；

其中，第二信息抽取模板中包含有所述辅助变量、所述相匹配的键及其位置信息，以及表格中待抽取的各个键值对的值的位置信息。

5.根据权利要求2所述的方法，其特征在于，表格类型包括上下一对多格式，该上下一对多格式的表格中各个键值对的键与值是上下位置关系，且键与值是一对多的关系；

相应的，步骤S22具体包括：

S221、如果检测到预设词表，则将表格中各个键值对的值与所述预设词表的内容进行匹配；

S222、如果匹配成功，则将表格中各单元格的内容按照所在行的位置信息进行拼接，并将拼接后内容与预设标准模板的内容进行匹配，所述预设标准模板中包括预先设定抽取的键值对的键；

S223、如果匹配成功，则将相匹配的键所对应的列的个数作为第二目标个数；

S224、对表格按行进行遍历，将表格中列的个数作为第二标准个数；

S225、如果第二标准个数与第二目标个数相匹配，则基于所述相匹配的键及其位置信息，生成表格类型对应的第三信息抽取模板；

其中，第三信息抽取模板中包含有所述相匹配的键及其位置信息，以及所述表格中待抽取的各个键值对的值的位置信息。