System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及文档处理,尤其涉及一种表格信息的获取方法、装置、电子设备及存储介质。
技术介绍
1、相关技术中,在对招投标文件中表格信息进行提取时,招投标文件中存在的大量印章会对表格信息提取的准确性造成影响。
技术实现思路
1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
2、第一方面,本申请提出一种表格信息的获取方法,包括:获取待处理文档;去除所述待处理文档中的电子印章;获取去除所述电子印章后的所述待处理文档中待处理页面对应的待处理图像;获取所述待处理图像中包含的表格的表格线交点坐标;基于所述表格线交点坐标对所述待处理图像进行光学字符识别ocr识别,获取所述表格的表格信息。
3、在一种实现方式中,所述获取所述待处理图像中包含的表格的表格线交点坐标,包括:对所述待处理图像进行图像校正,获得校正图像;获取所述校正图像中的横向表格线的第一坐标和竖向表格线的第二坐标;基于所述第一坐标和所述第二坐标,获取所述横向表格线和所述竖向表格线相交的初始表格线交点的第三坐标;基于所述第三坐标对所述初始表格线交点进行标准化投影,获取所述初始表格线交点对应的所述表格线交点坐标。
4、在一种可选地实现方式中,所述对所述待处理图像进行图像校正,获得校正图像,包括:对所述待处理图像进行二值化处理;获取经二值化处理后的所述待处理图像中至少一个横向线段与水平方向的夹角;基于所述至少一个横向线段与水平方向的夹角确定校正角度;基于所述校正角度对所述待处理图像进行图像校正,获得
5、在一种实现方式中,所述基于所述表格线交点坐标对所述待处理图像进行光学字符识别ocr识别,获取所述表格的表格信息,包括:基于所述表格线交点对所述已处理图像进行分割,获取至少一个子图像;分别对每个所述子图像进行ocr识别,获取每个所述子图像对应的子文本信息。
6、在一种实现方式中,所述获取去除所述电子印章后的所述待处理文档中待处理页面对应的待处理图像,包括:响应于去除所述电子印章后的所述待处理文档中待处理页面包括图像,获取所述图像中的图像文本:基于所述图像文本和预设的至少一个第一关键词进行关键词匹配;其中,所述第一关键词用于确定所述图像中是否包含表格;响应于所述图像文本包含所述第一关键词中的至少一个,对所述图像进行图像滤波;将经图像滤波后的所述图像作为所述待处理图像。
7、在一种可选地实现方式中,所述对所述图像进行图像滤波,包括:对所述图像进行色彩通道分离,获取所述图像对应的第一色彩通道、第二色彩通道和第三色彩通道;基于所述第三色彩通道对所述图像进行图像滤波。
8、在一种实现方式中,所述获取去除所述电子印章后的所述待处理文档中待处理页面对应的待处理图像,包括:响应于去除所述电子印章后的所述待处理文档中待处理页面不包括图像,获取所述待处理页面中的页面文本;基于所述页面文本和预设的至少一个第二关键词进行关键词匹配;其中,所述第二关键词用于确定所述待处理页面中是否包含表格;响应于所述页面文本包含所述第二关键词中的至少一个,获取所述待处理页面中包含的表格的表格文本;确定所述表格文本中是否包含异常文本;响应于所述表格文本中包含所述异常文本,基于所述待处理页面生成所述待处理图像。
9、在一种可选地实现方式中,所述方法还包括:响应于所述表格文本中不包含所述异常文本,基于所述页面文本获取所述表格信息。
10、在一种实现方式中,所述去除所述待处理文档中的电子印章,包括:获取所述待处理文档中的印章标识;基于所述印章标识从所述待处理文档中去除所述电子印章。
11、第二方面,本申请提出一种表格信息的获取装置,包括:获取模块,用于获取待处理文档;第一处理模块,用于去除所述待处理文档中的电子印章;第二处理模块,用于获取去除所述电子印章后的所述待处理文档中待处理页面对应的待处理图像;第三处理模块,用于获取所述待处理图像中包含的表格的表格线交点坐标;识别模块,用于基于所述表格线交点坐标对所述待处理图像进行光学字符识别ocr识别,获取所述表格的表格信息。
12、在一种实现方式中,所述第三处理模块具体用于:对所述待处理图像进行图像校正,获得校正图像;获取所述校正图像中的横向表格线的第一坐标和竖向表格线的第二坐标;基于所述第一坐标和所述第二坐标,获取所述横向表格线和所述竖向表格线相交的初始表格线交点的第三坐标;基于所述第三坐标对所述初始表格线交点进行标准化投影,获取所述初始表格线交点对应的所述表格线交点坐标。
13、在一种可选地实现方式中,所述第三处理模块具体用于:对所述待处理图像进行二值化处理;获取经二值化处理后的所述待处理图像中至少一个横向线段与水平方向的夹角;基于所述至少一个横向线段与水平方向的夹角确定校正角度;基于所述校正角度对所述待处理图像进行图像校正,获得所述校正图像。
14、在一种实现方式中,所述识别模块具体用于:基于所述表格线交点对所述已处理图像进行分割,获取至少一个子图像;分别对每个所述子图像进行ocr识别,获取每个所述子图像对应的子文本信息。
15、在一种实现方式中,所述第二处理模块具体用于:响应于去除所述电子印章后的所述待处理文档中待处理页面包括图像,获取所述图像中的图像文本:基于所述图像文本和预设的至少一个第一关键词进行关键词匹配;其中,所述第一关键词用于确定所述图像中是否包含表格;响应于所述图像文本包含所述第一关键词中的至少一个,对所述图像进行图像滤波;将经图像滤波后的所述图像作为所述待处理图像。
16、在一种可选地实现方式中,所述第二处理模块具体用于:对所述图像进行色彩通道分离,获取所述图像对应的第一色彩通道、第二色彩通道和第三色彩通道;基于所述第三色彩通道对所述图像进行图像滤波。
17、在一种实现方式中,所述第二处理模块具体用于:响应于去除所述电子印章后的所述待处理文档中待处理页面不包括图像,获取所述待处理页面中的页面文本;基于所述页面文本和预设的至少一个第二关键词进行关键词匹配;其中,所述第二关键词用于确定所述待处理页面中是否包含表格;响应于所述页面文本包含所述第二关键词中的至少一个,获取所述待处理页面中包含的表格的表格文本;确定所述表格文本中是否包含异常文本;响应于所述表格文本中包含所述异常文本,基于所述待处理页面生成所述待处理图像。
18、在一种可选地实现方式中,所述装置还包括:第四处理模块,用于响应于所述表格文本中不包含所述异常文本,基于所述页面文本获取所述表格信息。
19、在一种实现方式中,所述第一处理模块具体用于:获取所述待处理文档中的印章标识;基于所述印章标识从所述待处理文档中去除所述电子印章。
20、第三方面,本申请提出一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令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如第一本文档来自技高网...
【技术保护点】
1.一种表格信息的获取方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述获取所述待处理图像中包含的表格的表格线交点坐标,包括:
3.如权利要求2所述的方法,其特征在于,所述对所述待处理图像进行图像校正,获得校正图像,包括:
4.如权利要求1所述的方法,其特征在于,所述基于所述表格线交点坐标对所述待处理图像进行光学字符识别OCR识别,获取所述表格的表格信息,包括:
5.如权利要求1所述的方法,其特征在于,所述获取去除所述电子印章后的所述待处理文档中待处理页面对应的待处理图像,包括:
6.如权利要求5所述的方法,其特征在于,所述对所述图像进行图像滤波,包括:
7.如权利要求1所述的方法,其特征在于,所述获取去除所述电子印章后的所述待处理文档中待处理页面对应的待处理图像,包括:
8.如权利要求7所述的方法,其特征在于,所述方法还包括:
9.如权利要求1所述的方法,其特征在于,所述去除所述待处理文档中的电子印章,包括:
10.一种表格信息的获取装置,其特征在于,
11.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至9中任一项所述的方法。
...【技术特征摘要】
1.一种表格信息的获取方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述获取所述待处理图像中包含的表格的表格线交点坐标,包括:
3.如权利要求2所述的方法,其特征在于,所述对所述待处理图像进行图像校正,获得校正图像,包括:
4.如权利要求1所述的方法,其特征在于,所述基于所述表格线交点坐标对所述待处理图像进行光学字符识别ocr识别,获取所述表格的表格信息,包括:
5.如权利要求1所述的方法,其特征在于,所述获取去除所述电子印章后的所述待处理文档中待处理页面对应的待处理图像,包括:
6.如权利要求5所述的方法,其特征在于,所述对所述图像进行图像滤波,包...
【专利技术属性】
技术研发人员:邸智,郑子辰,袁建,贾家琛,
申请(专利权)人:中国华能集团清洁能源技术研究院有限公司,
类型:发明
国别省市:
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。