一种版式文档中的含线表格信息提取方法

摘要

本发明涉及本发明涉及一种版式文档中的含线表格信息提取方法，包括以下步骤：步骤一、解析版式文档，逐页获取页面信息及页面中文字块和直线信息；步骤二、对各页的直线进行合并；步骤三、连续页拼接，将所有页面拼接，最终整个版式文件获得一个虚拟页；步骤四、提取表格所在位置和表格中直线信息；步骤五、结合文字块和表格线提取表格中各单元格内容和位置信息；步骤六、表格单元格的组织结构分析，本发明能有效提高表格的识别效果，尤其是不规则表格，减少了版式文档排版识别、转换的困难，有助于提高版式文档解析的效率和效果。