[发明专利]一种表格提取方法、系统及可读介质

权利要求书

1.一种表格提取方法，其特征在于，包括：

获取表格图像中所有单元格的元素坐标数据；所述元素坐标数据包括横向数据和纵向数据；

基于所述元素坐标数据以及基本单元格参数确定每个单元格的格类型，并构建表格矩阵；所述格类型包括独立单元格和合并单元格；

基于所有单元格的元素坐标数据通过聚类分析，得到计算坐标数据；所述计算坐标数据包括计算坐标横向数组和计算坐标纵向数组；

基于所述计算坐标数据得到所述基本单元格参数；所述基本单元格参数包括基本单元格横坐标矩阵和基本单元格纵坐标矩阵；

基于所述单元格的所述横向数据与所述基本单元格横坐标矩阵得到多个横向重叠比，以大于第三阈值的横向重叠比作为横向标识比；基于所述单元格的所述纵向数据与所述基本单元格纵坐标矩阵得到多个纵向重叠比，以大于第四阈值的纵向重叠比作为纵向标识比；

当单元格存在超过一个的横向标识比或纵向标识比时，所述单元格为合并单元格，否则所述单元格为独立单元格；

将独立单元格和合并单元格根据对应元素坐标数据构建到所述表格矩阵中，形成表格数据。

2.根据权利要求1所述的表格提取方法，其特征在于，所述聚类分析包括：

将所有的横向数据按照第一阈值进行聚类得到多组横向聚类数据；将所有的纵向数据按照第二阈值进行聚类得到多组纵向聚类数据；

通过对多组所述横向聚类数据分别求平均得到计算坐标横向数组，并根据所述计算坐标横向数组得到基本单元格横坐标矩阵；通过对多组纵向聚类数据分别求平均得到计算坐标纵向数组，并根据所述计算坐标纵向数组得到基本单元格纵坐标矩阵。

3.根据权利要求2所述的表格提取方法，其特征在于，所述合并单元格构建到所述表格矩阵中的过程包括：

获取合并单元格的头坐标数据；所述头坐标数据包括最小坐标数据；所述最小坐标数据为横向标识比对应基本单元格横坐标矩阵中的最小横坐标、以及纵向标识比对应基本单元格纵坐标矩阵中的最小纵坐标；

按照所述头坐标数据、以及对应的横向标识比的数量、纵向标识比的数量，在所述表格矩阵构建合并表格作为所述合并单元格。

4.根据权利要求2所述的表格提取方法，其特征在于，构建表格矩阵的过程包括：

根据所述基本单元格横坐标矩阵获取横向基本表格数；根据所述基本单元格纵坐标矩阵获取纵向基本表格数；

根据所述横向基本表格数和所述纵向基本表格数构建所述表格矩阵。

5.根据权利要求1所述的表格提取方法，其特征在于，在获取每个单元格的元素坐标数据的同时，还同步获取每个单元格中对应的字符数据；

在将单元格构建到表格矩阵中的同时，还将对应的字符数据补充到构建的单元格中。

6.根据权利要求1所述的表格提取方法，其特征在于，在获取表格图像前，还执行步骤：

判定目标文件格式；

若所述目标文件格式为Excel格式，则获取每个单元格的格类型，并构建表格矩阵；所述格类型包括独立单元格和合并单元格；将独立单元格和合并单元格根据对应元素坐标数据构建到所述表格矩阵中，形成表格数据；

若所述目标文件格式为非Excel格式，则获取表格图像中所有单元格的元素坐标数据，并执行后续步骤；

在获取所述表格图像中的数据前，还包括：对所述表格图像进行预处理，调整所述表格图像的倾斜角度，将所述表格图像中的表格摆正。