[发明专利]一种基于图像信息的PDF有边框表格抽取方法

摘要

本发明公开了一种基于图像信息的PDF有边框表格抽取方法，该方法中先读取出PDF文件中记载的关于横竖线条的信息，并据此重新绘制图表，再对新绘制的图表做精细化处理，滤掉其中多余线条，滤掉其中背景色，找出构成表格的横线和竖线，再补全可能缺失的边框线，最后再读取PDF文件中记载的文本信息及文本位置信息，将之填写在新绘制的表格中，从而得到可编辑的与PDF文本中内容一致的表格。

主权项

1.一种基于图像信息的PDF有边框表格抽取方法，其特征在于，该方法包括如下步骤：步骤1：读取PDF文件信息，从读取到的信息中抽取出横线信息、竖线信息和颜色信息，并根据抽取出的信息绘制图片，步骤2：滤掉步骤1绘制图片中的多余线条，并且补全表格；步骤3：读取PDF文件信息，得到PDF文件中每个字符及每个字符所在位置信息，扫描步骤2中得到的表格中各个单元格的位置信息，根据位置信息将PDF文件中的字符填写到表格的单元格中。