[发明专利]一种PDF表单数据提取方法、存储介质及装置

权利要求书

1.一种PDF表单数据提取方法，其特征在于，包括以下步骤：

S1、将待提取的PDF表单转换成bitmap信息；

S2、根据bitmap信息，确定表单中行列以及各个单元格，并记录相应数据信息；

对记录的数据信息进行整合处理；

S3、进一步去除bitmap信息中的非文本信息元素；

S4、将整合处理后的数据信息进行存储，之后根据需要提取数据信息、并生成相应的文件格式。

2.根据权利要求1所述的一种PDF表单数据提取方法，其特征在于，所述步骤S1具体是通过调用SDK库，以将PDF表单渲染转换成bitmap信息。

3.根据权利要求1所述的一种PDF表单数据提取方法，其特征在于，所述步骤S2具体包括以下步骤：

S21、根据bitmap信息，通过确定PDF坐标系，以确定出表单中行列以及各个单元格；

S22、记录各个单元格对应的数据信息；

S23、将各个单元格对应的数据信息进行整合处理。

4.根据权利要求3所述的一种PDF表单数据提取方法，其特征在于，所述单元格对应的数据信息包括文本格式信息和文本类型信息。

5.根据权利要求3所述的一种PDF表单数据提取方法，其特征在于，所述步骤S22具体是在PDF坐标系中找到其左上角与右下角的数据单元，以确定框架，分别横向和纵向进行递归操作，遍历后采用“树”数据结构存储记录各个单元格对应的数据信息。

6.根据权利要求4所述的一种PDF表单数据提取方法，其特征在于，所述步骤S23的具体过程为：根据记录的文本类型信息，将文本类型相同以及相似度大于设定阈值的数据信息整合至相同的数据行；

将文本类型相似度小于设定阈值的数据信息整合至不同的数据行。

7.根据权利要求1所述的一种PDF表单数据提取方法，其特征在于，所述步骤S3中非文本信息元素包括水印、印章和签名。

8.根据权利要求1所述的一种PDF表单数据提取方法，其特征在于，所述步骤S4具体是将整合处理后的数据信息存储至数据库中。

9.一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，该计算机程序被处理器执行时实现如权利要求1～8任一所述PDF表单数据提取方法的步骤。

10.一种PDF表单数据提取装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～8任一所述PDF表单数据提取方法的步骤。