一种PDF转Word场景下跨行、跨列单元格识别方法、系统、装置及介质制造方法及图纸

本发明专利技术属于PDF文件解析技术领域，提供了一种PDF转Word场景下跨行、跨列单元格识别方法、系统、装置及介质，其中，方法包括步骤S1：通过PDF表格识别方法，获取到所有的封闭图形信息，封闭图形信息具有top、bottom、left、right信息；步骤S2：封闭图形分类，并组合成表格的行信息；步骤S3：二阶段进行列信息初始化：将封闭图形分类，并组合成表格的列信息；步骤S4：计算跨行、跨列数；步骤S5：根据计算的跨行、跨列数，完成表格的构建。采用本发明专利技术，识别出PDF中的封闭矩形后，可以准确的识别出完整且准确的表格，使得在PDF转Word的场景下，可以准确并完整的转换出表格信息，并且本发明专利技术使用纯算法实现，不需要借助任何三方工具，速度具有极大的优势。

【技术实现步骤摘要】

本专利技术属于pdf文件解析，具体地说，是涉及一种pdf转word场景下跨行、跨列单元格识别方法、系统、装置及介质。

技术介绍

1、在pdf格式文件转换成docx文件的场景中，pdf文件中常常会存在表格信息，虽然现有技术中有pdf表格信息识别的解决方案，但是针对pdf表格涉及跨行、跨列等特殊情况，现有技术并不能准确的识别出。因此，在pdf文件的转换过程中，如何在表格具有跨行、跨列等情况下，准确的识别出完整且准确的表格，就成为了本领域亟需解决的技术问题。

技术实现思路

1、本专利技术的目的在于提供一种pdf转word场景下跨行、跨列单元格识别方法，以解决现有技术所存在的技术问题。

2、为了实现上述目的，本专利技术采取的技术方案如下：

3、一种pdf转word场景下跨行、跨列单元格识别方法，包括以下步骤：

4、步骤s1：通过pdf表格识别方法，获取到所有的封闭图形信息，封闭图形信息具有top、bottom、left、right信息；

5、步骤s2：封闭图形分类，并组本文档来自技高网...

【技术保护点】

1.一种PDF转Word场景下跨行、跨列单元格识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的PDF转Word场景下跨行、跨列单元格识别方法，其特征在于，所述行信息遍历方法如下：

3.根据权利要求2所述的PDF转Word场景下跨行、跨列单元格识别方法，其特征在于，所述列信息遍历方法如下：（3.2.1）如果当前列信息集合为空，构建新的列信息，并将当前封闭图形加入到新的列中；（3.2.2）如果当前列集合不为空，判断当前封闭图形是否被包含在某个列信息中，若是，则将当前封闭图形加入到当前列中，若否，构建一个新的列，将当前封闭图形加入到新的列中。

...

【技术特征摘要】

1.一种pdf转word场景下跨行、跨列单元格识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的pdf转word场景下跨行、跨列单元格识别方法，其特征在于，所述行信息遍历方法如下：

3.根据权利要求2所述的pdf转word场景下跨行、跨列单元格识别方法，其特征在于，所述列信息遍历方法如下：（3.2.1）如果当前列信息集合为空，构建新的列信息，并将当前封闭图形加入到新的列中；（3.2.2）如果当前列集合不为空，判断当前封闭图形是否被包含在某个列信息中，若是，则将当前封闭图形加入到当前列中，若否，构建一个新的列，将当前封闭图形加入到新的列中。

4.根据权利要求3所述的pdf转word场景下跨行、跨列单元格识别方法，其特征在于，所述步骤s4的具体方法如下：

5.根据权利要求4所述的pd...

【专利技术属性】
技术研发人员：兰元，朱宪超，霍展羽，李晶，
申请(专利权)人：四川语言桥信息技术有限公司，
类型：发明
国别省市：