PDF中的复杂表格或少线表格还原通常需要借助专业的工具或在线服务,以下是一些可行的方法:
方法一:使用在线PDF转换工具
方法二:使用桌面PDF编辑软件
方法三:通过OCR技术提取表格
方法四:手动重建表格
✨在众多的方法及工具中,推荐使用TextIn文档解析功能。
✨优势与长处:
TextIn通用文档解析最新推出表格处理优化版本。本次优化主要改善了表格识别效果,以统一方案替代有线表格与无线表格分类处理方法,减少了级联损失,大幅度提升表格全对率,能够有效实现PDF文件中的复杂表格、少线表格的还原。
▶案例分析:如何实现PDF文件中的复杂表格、少线表格的还原?
以下将通过几个案例,直观展示TextIn表格解析性能优化的表现。
01 无线表格解析
图1-1 识别错误
图1-2 优化结果
如图所示,图1-1是无线表格解析中常见的bad case:合并单元格结构识别不准确。由于合并单元格有顶部对齐、垂直居中多种形式,在实际文档中版面复杂多变,在没有框线的情况下,更增加了解析模型的识别难度。
图1-2中可以看到,最新TextIn文档解析表格性能,能妥善处理这类难点情况,实现正确的表格还原,保障下游信息处理的准确性。
02 不规则无线表格解析
图2-1 识别错误
图2-2优化结果
缺少结构信息的表格文字识别会丢失重要价值,导致数据成为无意义的数字。
PDF文件中,拥有不同行列数的不规则无线表格在同一版面呈现的情况相当常见。以图中的金融机构报告为例,值得注意的是,TextIn表格优化后,模型会同步预测空cell,以提升整体表格解析准确率。
03 低清晰度无线表格解析
图3-1 识别错误
图3-2优化结果
如图所示,对于清晰度较低、噪点多的扫描图像,优化后的表格模型也能实现精准的识别。
从具体案例来看,TextIn表格解析性能,对解决单元格中的多行问题有优异的效果,用户如有产品说明书、体检报告、技术规格书等文件及其他类型多行复杂表格的解析需求,解析引擎的准确性和使用体验都将大幅度提升,能够满足教育、金融、数据处理等多种场景的精细化使用需求。
▶前端功能新增:支持表格编辑
新版前端组件支持在线表格编辑,包括文字编辑、插入或删除行列、单元格合并与拆分等一系列常用表格编辑操作,便于直接通过窗口操作对识别结果进行修改或校正。
支持单独提取文档中的表格元素,导出为Excel。
对于PDF文件里的复杂表格、少线表格,TextIn表格解析能够实现精准还原,大幅度提升表格全对率,满足用户多样化的使用需求。