一种文档转换中的表格处理方法及装置

摘要

本发明属于文档应用领域，公开了一种文档转换中的表格处理方法及装置，所述方法包括：从原文档中获取所有的线段，其中，所述线段包括有组成多边形的线段；对获取的线段进行表格识别预处理，确定各个表格区域；在划分出的各个表格区域内确定各个表格；在确定出的表格内填充原文档中对应的内容。本发明将PDF文档中由很多无逻辑关系的线段或多边形组成的表象为表格的对象，识别为能用逻辑关系的结构描述的表格对象，提高了转换出的文档的排版及编辑效果。

主权项

一种文档转换中的表格处理方法，其特征在于，所述方法包括以下步骤：从原文档中获取所有的线段，其中，所述线段包括有组成多边形的线段；对获取的线段进行表格识别预处理，确定各个表格区域；在划分出的各个表格区域内确定各个表格；在确定出的表格内填充原文档中对应的内容；其中，所述从原文档中获取所有的线段的步骤具体包括：获取原文档中的所有线段和多边形；所述对获取的线段进行表格识别预处理，确定各个表格区域具体包括：将细的多边形识别为线段；判断获取的多边形是否符合近似线段特征，若符合，将该多边形识别为线段；若获取的多边形不符合近似线段特征，则提取该多边形边框的线段；提取多边形的边框，并去除细小的线段；从所有线段中提取水平和垂直线段；去除重叠及内含线段；将可连接的线段识别为一条线段；去除没有线段与其在两端点正交的线段；划分各个表格区域。