【技术实现步骤摘要】
td标签进行对齐，并将td标签的列号、跨行数目以及跨列数目分配给对应的Bbox，完成匹配行的各Bbox标签的分配；步骤5，基于匹配行，根据水平方向的坐标位置关系，对所有未匹配行中的Bbox的列号进行投票，投票数最多的列号作为Bbox列号的预测结果，基于列号将Bbox与同行的td标签进行对齐，将td标签的跨列数目与跨行数目分配给对应的Bbox，完成未匹配行的各Bbox标签的分配；步骤6，综合已分配好行号、列号、跨行数目以及跨列数目的匹配行以及未匹配行，得到整个表格各Bbox的行号、列号、跨行数目以及跨列数目的分配结果。
[0009]具体地，所述的得到td标签的行号和列号，包括如下步骤：根据HTML结构字符串中tr标签确定表格的行数，从而确定每一个td标签的行号；遍历结构字符串每一个td标签的内容得到总的列数；再次遍历结构字符串，根据td标签从左至右的顺序、colspan值、rowspan值以及总的列数得到每一个td标签的列号；综合以上，得到每一个td标签的行号、列号。
[0010]可选地，所述的得到td标签的跨行数目和跨列数目，包括如下步骤：遍历HTM...
【技术保护点】
【技术特征摘要】
1.一种表格的标记语言标签与单元格锚框鲁棒对齐方法，其特征在于，包括：解析HTML结构字符串，得到td标签的行号、列号、跨行数目以及跨列数目；基于单元格的Bbox的竖直方向的坐标位置关系，为每个单元格分配行号，并根据水平方向的坐标位置关系将Bbox从左至右进行排序；比较每一行的td标签的数量是否与Bbox的数量一致，若数量一致则称为匹配行，反之称为未匹配行；按照每一行从左到右的顺序，依次将匹配行中每个Bbox标签与其对应行的 td标签进行对齐，并将td标签的列号、跨行数目以及跨列数目分配给对应的Bbox，完成匹配行的各Bbox标签的分配；基于匹配行，根据水平方向的坐标位置关系，对所有未匹配行中的Bbox的列号进行投票，投票数最多的列号作为Bbox列号的预测结果，基于列号将Bbox 与同行的td标签进行对齐，将td标签的跨列数目与跨行数目分配给对应的Bbox，完成未匹配行的各Bbox标签的分配；综合已分配好行号、列号、跨行数目以及跨列数目的匹配行以及未匹配行，得到整个表格各Bbox的行号、列号、跨行数目以及跨列数目的分配结果。2.如权利要求1所述的一种表格的标记语言标签与单元格锚框鲁棒对齐方法，其特征在于，所述的得到td标签的行号和列号，包括如下步骤：根据HTML结构字符串中tr标签出现的次数确定每一个td标签的行号；遍历结构字符串每一个td标签的内容得到总的列数；再次遍历结构字符串，根据td标签从左至右的顺序、colspan值、rowspan值以及总的列数得到每一个td标签的列号；综合以上，得到每一个td标签的行号、列号。3.如权利要求1所述的一种表格的标记语言标签与单元格锚框鲁棒对齐方法，其特征在于，所述的得到td标签的跨行数目和跨列数目，包括如下步骤：遍历HTML结构字符串得到每一个td标签的内容，若td标签中含有span,则根据标签中colspan值和rowspan值得到跨列数目和跨行数目，若td标签不含span，则跨列数目和跨行数目均为1。4.如权利要求1所述的一种表格的标记语言标签与单元格锚框鲁棒对齐方法，其特征在于，所述的基于单元格的Bbox的竖直方向的坐标位置关系，为每个Bbox分配行号，包括如下步骤：根据Bbox左上角坐标的y值从小到大对所有Bbox进行排序；设置初始行号，遍历Bbox列表，当相邻两Bbox的y坐标分量差值小于预设的阈值，则两Bbox属同一行且行号保持不变，若差值大于阈值，则两个单元格不属于同一行且将行号加一，直至遍历完Bbox列表，完成对单元格行号的分配；在每一行内，根据左上角坐标的x分量从小到大对Bbox进行排序。5.如权利要求1所述的一种表格的标记语言标签与单元格锚框鲁棒对齐方法，其特征在于，所述的比较每一行的td标签的数量是否与Bbox的数量一致，包括如下步骤：遍历某一行已分配好行号的Bbox，得到该行的Bbox的数量；遍历对应行的td标签的跨列数目和跨行数目，得到td标签的数量；
若两个数量相等则称为匹配行，反之称为未匹配行。6.如权利要求1所述的一种表格的标记语言标签与单元格锚框鲁棒对齐方法，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。