一种读取表格、校对支付数据的方法、设备及存储介质技术

本发明专利技术公开了一种读取表格、校对支付数据的方法、设备及存储介质，该方法包括：从属于便携式文档格式的文件中读取位于表格内的多排原始文本信息，表格中分布多行多列单元格，每排原始文本信息中具有至少一份字符串；识别位于同一行单元格的原始文本信息，作为目标文本信息；针对每排目标文本信息，依据字符串的分布规律校准字符串在列上所处的单元格；合并位于同一行及同一列单元格的字符串，得到位于同一行单元格的业务数据。本实施例直可以保证后续业务数据的准确性，保证业务的正常运行，避免或减缓字符串错位的情况，大大减少人工校正的操作，减少耗时，降低成本，在整体上高读取表格的效率。格的效率。格的效率。

【技术实现步骤摘要】
一种读取表格、校对支付数据的方法、设备及存储介质


[0001]本专利技术涉及表格处理的
，尤其涉及一种读取表格、校对支付数据的方法、设备及存储介质。

技术介绍

[0002]在多种业务中，往往会使用表格记录各数据，例如，账单信息、报名人员信息、项目信息、零件信息，等等，便于统计分析。
[0003]这些表格多记录在PDF(Portable Document Format，便携式文档格式)文件，方便不同系统之间交互。
[0004]目前主要使用OCR(Optical Character Recognition，光学字符识别)技术从PDF文件获取表格中的数据，OCR技术将PDF文件转换为图像，再从图像中识别字符，这个过程会丢失部分信息，存在一定的错误率。
[0005]在核对账单信息等业务中，即便错误率再小，也会导致业务出错，影响较大，为保证数据的准确性，在这些业务中会直接从PDF文件中读取数据。
[0006]但是，业务数据因表格的格式限制，存在长度不等、分行等情况，直接读取数据会存在错位的问题，此时，主要是依赖人工进行校正，耗时较长，成本较高，整体效率偏低。

技术实现思路

[0007]本专利技术提供了一种读取表格、校对支付数据的方法、设备及存储介质，以解决如何在保证从PDF文件读取表格中的数据的精确度的条件下、提高读取的效率。
[0008]根据本专利技术的一方面，提供了一种读取表格的方法，包括：
[0009]从属于便携式文档格式的文件中读取位于表格内的多排原始文本信息，所述表格中分布多行多列单元格，每排所述原始文本信息中具有至少一份字符串；
[0010]识别位于同一行所述单元格的所述原始文本信息，作为目标文本信息；
[0011]针对每排所述目标文本信息，依据所述字符串的分布规律校准所述字符串在列上所处的所述单元格；
[0012]合并位于同一行及同一列所述单元格的所述字符串，得到位于同一行所述单元格的业务数据。
[0013]根据本专利技术的另一方面，提供了一种校对支付数据的方法，包括：
[0014]加载过滤器链，所述过滤器链中分布有多个链式的过滤器，所述过滤器至少包括清洗过滤器与核对过滤器；
[0015]在所述清洗过滤器中，从属于便携式文档格式的支付账单中读取位于表格内的多排原始文本信息，所述表格中分布多行多列单元格，每排所述原始文本信息中具有至少一份字符串；
[0016]在所述清洗过滤器中，识别位于同一行所述单元格的所述原始文本信息，作为目标文本信息；
[0017]在所述清洗过滤器中，针对每排所述目标文本信息，依据所述字符串的分布规律校准所述字符串在列上所处的所述单元格；
[0018]在所述清洗过滤器中，合并位于同一行及同一列所述单元格的所述字符串，得到位于同一行所述单元格的支付数据；
[0019]在所述清洗过滤器中，将所述支付数据传输至所述过滤器链中位于所述清洗过滤器之后的下一个所述过滤器；
[0020]在所述核对过滤器中，核对出与目标支付业务相关的所述支付数据。
[0021]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0022]至少一个处理器；以及
[0023]与所述至少一个处理器通信连接的存储器；其中，
[0024]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的读取表格的方法或者校对支付数据的方法。
[0025]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于使处理器执行时实现本专利技术任一实施例所述的读取表格的方法或者校对支付数据的方法。
[0026]在本实施例中，从属于便携式文档格式的文件中读取位于表格内的多排原始文本信息，表格中分布多行多列单元格，每排原始文本信息中具有至少一份字符串；识别位于同一行单元格的原始文本信息，作为目标文本信息；针对每排目标文本信息，依据字符串的分布规律校准字符串在列上所处的单元格；合并位于同一行及同一列单元格的字符串，得到位于同一行单元格的业务数据。本实施例直接从便携式文档格式的文件中读取原始文本信息，可以保证后续业务数据的准确性，保证业务的正常运行，此外，在既定的业务下，各列单元格中内容具有特定语义、各列单元格中的内容具有一定的规范，使得各列单元格中的内容在分布上具有一定的分布规律，依据字符串的分布规律对列进行校准，可以避免或减缓字符串错位的情况，大大减少人工校正的操作，减少耗时，降低成本，在整体上高读取表格的效率。
[0027]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0028]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0029]图1是根据本专利技术实施例一提供的一种读取表格、校对支付数据的方法的流程图；
[0030]图2A
‑
图2D是根据本专利技术实施例一提供的一种从PDF文件读取表格中的业务数据的示例图；
[0031]图3是根据本专利技术实施例一提供的一种匹配字符砝码的示意图；
[0032]图4是根据本专利技术实施例二提供的一种校对支付数据的方法的流程图；
[0033]图5是根据本专利技术实施例三提供的一种校对支付数据的方法的流程图；
[0034]图6是根据本专利技术实施例三提供的一种校对支付数据的架构示意图；
[0035]图7是根据本专利技术实施例四提供的一种读取表格的装置的结构示意图；
[0036]图8是根据本专利技术实施例五提供的一种校对支付数据的装置的结构示意图；
[0037]图9是实现本专利技术实施例六提供的一种电子设备的结构示意图。
具体实施方式
[0038]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0039]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种读取表格的方法，其特征在于，包括：从属于便携式文档格式的文件中读取位于表格内的多排原始文本信息，所述表格中分布多行多列单元格，每排所述原始文本信息中具有至少一份字符串；识别位于同一行所述单元格的所述原始文本信息，作为目标文本信息；针对每排所述目标文本信息，依据所述字符串的分布规律校准所述字符串在列上所处的所述单元格；合并位于同一行及同一列所述单元格的所述字符串，得到位于同一行所述单元格的业务数据。2.根据权利要求1所述的方法，其特征在于，所述表格具有N行M列的单元格，每一行所述单元格中，各个所述单元格的高度相同，每一列所述单元格中，各个所述单元格的宽度相同。3.根据权利要求1所述的方法，其特征在于，所述识别位于同一行所述单元格的所述原始文本信息，作为目标文本信息，包括：在所述原始文本信息中统计所述字符串的数量；若所述原始文本信息中所述字符串的数量等于所述表格中列的数量，则确定所述原始文本信息之上存在切分点；确定位于相邻两个所述切分点之间的所述原始文本信息位于同一行所述单元格，作为目标文本信息。4.根据权利要求1
‑
3中任一项所述的方法，其特征在于，所述针对每排所述目标文本信息，依据所述字符串的分布规律校准所述字符串在列上所处的所述单元格，包括：在所述目标文本信息中统计所述字符串的数量；若所述字符串的数量小于所述列的数量，则查询为所述字符串的数量配置的各个分布场景及字符砝码，所述分布场景表示指定数量的字符串分布在各列的单元格的场景，所述字符砝码为所述分布场景中的字符串在长度上的特征；将所述字符串分布至各列所述单元格中，得到候选场景；若所述候选场景与所述分布场景相同，则将所述字符串的长度与所述字符砝码进行匹配；若匹配成功，则确定所述字符串已校准在列上所处的所述单元格。5.根据权利要求4所述的方法，其特征在于，所述将所述字符串分布至各列所述单元格中，包括：对所述字符串添加约束条件；在所述约束条件的限制下，将所述字符串排列至各列所述单元格中；其中，所述约束条件包括如下至少一条：所述字符串维持在同一排所述目标文本信息排序的顺序；在排列至某列所述单元格时，所述字符串的长度小于或等于同一列所述单元格的长度的上限范围；在排列至某列所述单元格时，同一列所述单元格中位于上一排的所述字符串的长度等于同一列所述单元格的长度的上限范围。6.根据权利要求4所述的方法，其特征在于，所述字符砝码为所述分布场景中的所有字
符串的长度之和所处的波动范围；所述将所述字符串的长度与所述字符砝码进行匹配，包括：对所述字符串的长度求和，得到总长度；若所述总长度在所述波动范围内，则确定所述字符串的长度与所述字符砝码匹配成功。7.根据权利要求4所述的方法，其特征在于，所述针对每排所述目标文本信息，依据所述字符串的分布规律校准所述字符串在列上所处的所述单元格，还包括：若所述字符串的数量等于列的数量，则查询所述字符串在所述原始文本信息中排序的顺序；按照所述顺序依次将所述字符串划分至各列所述单元格。8.一种校对支付数据的方法，其特征在于，包括：加载过滤器链，所述过滤器链中分布有多个链式的过滤器，所述过滤器至少包括清洗过滤器与核对过滤器；在所述清洗过滤器中，从属于便携式文档格式的...

【专利技术属性】
技术研发人员：黎升杰，
申请(专利权)人：广州趣研网络科技有限公司，
类型：发明
国别省市：