[发明专利]图表数据结构化提取方法、电子设备及计算机可读存储介质

权利要求书

1.一种电子设备，其特征在于，所述电子设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图表数据结构化提取系统，所述图表数据结构化提取系统被所述处理器执行时实现如下步骤：

获取指定文档中的图表及每张图表的位置信息，所述图表的位置信息包括该图表在所述指定文档中的页数、该图表的左上角坐标、及右下角坐标；

根据每张图表的位置信息，提取每张图表的标题和上下文文字信息；及

根据上下文文字的位置信息，对每张图表的上下文文字进行拼接形成完整的一句话或一段话，并将拼接后的上下文文字与每张图表的标题及图表本身关联在一起，形成结构化的图表数据；

所述提取每张图表的标题和上下文文字信息包括：

确定每张图表的一个相邻区域，所述相邻区域为从所述图表的左上角坐标位置向上第一数量行数及从所述图表的右下角坐标位置向下第二数量行数的区域；

于每张图表的相邻区域内，从每张图表的左上角坐标位置向上扫描预定数量行数，扫描获取的文字信息记录为每张图表的标题，所述预定数量行数小于第一数量行数；及

于每张图表的相邻区域内，从每张图表的左上角坐标位置向上、右下角坐标位置向下扫描该相邻区域内的剩余行数，扫描获取的文字信息记录为每张图表的上下文文字信息；

所述获取指定文档中的图表及每张图表的位置信息包括：

获取指定文档中所有文字的位置信息，并根据所有文字的位置信息获取该指定文档中的文字分布信息；

分析该指定文档中的文字分布信息，判断出该指定文档中文字分布密度较低的区域、或/及无文字分布的区域，并将所述文字分布密度较低的区域、或/及无文字分布的区域标记为候选图表区域；及

将所述标记的候选图表区域转换为图片，并从转换后的图片中筛选出包含图表信息的图片，作为该指定文档中抽取出的图表，并记录下每张图表的位置信息。

2.如权利要求1所述的电子设备，其特征在于，所述判断出该指定文档中文字分布密度较低的区域包括：若一行文字的长度小于第一阈 值，则判断出该行文字分布密度较低，并清洗该行文字；及

所述判断出该指定文档中无文字分布的区域包括：对该指定文档中每一页从上到下进行扫描，若超过第二阈 值宽度的区域没有扫描到文字，则判断出该区域为无文字分布的区域。

3.如权利要求2所述的电子设备，其特征在于，所述从转换后的图片中筛选出包含图表信息的图片包括：

对该转换后的图片进行灰度处理，将该转换后的图片转换为灰度图；

按行统计该灰度图中黑色像素点的数量和比例，若一行中黑色像素点的数量和比例超过指定阈值，则判定该行包含有具体内容；及

统计包含有具体内容的行的数量，若包含有具体内容的行数大于或等于设定阈值，则判定该转换后的图片为一张包含图表信息的图片。