[發明專利]一種表格信息的搜索方法及裝置

有效

• 申請號: 201810846525.5
• 申請日: 2018-07-27
• 公開（公告）號: CN110765079B
• 公開（公告）日: 2022-09-20
• 發明（設計）人: 王肅;段立新;李長升;張亞民;夏虎
• 申請（專利權）人: 國信優易數據股份有限公司
• 主分類號: G06F16/14
• 分類號: G06F16/14
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 王文紅

本申請提供了一種表格信息的搜索方法及裝置，其中，該搜索方法包括：獲取待搜索表格中各單元格的內容信息，以及對應單元格的坐標信息；根據預先確定的針對所述待搜索表格的搜索策略，確定對表格內容進行搜索采用的搜索命令；通過執行確定的所述搜索命令，確定待搜索目標內容信息對應的坐標信息；并將確定的坐標信息對應的內容信息確定為搜索結果。本申請實現了對表格信息的有效搜索，從而可以進一步利用搜索結果對承載有表格信息的PDF文檔進行分析，適用性更強。

技術領域

本申請涉及文檔處理技術領域，具體而言，涉及一種表格信息的搜索方法及裝置。

背景技術

隨著計算機技術的不斷發展，無紙化辦公得到越來越多的應用，各種各樣的文檔出現在用戶的面前。如用戶可以通過查閱元件規格書所對應的文檔，來查找相關元器件的參數信息，如查找電阻這一元器件所對應的文檔，以得到電阻值、額定功率、允許誤差、溫度系統等參數。

其中，上述元件規格書大多情況下是以可移植文檔格式(Portable DocumentFormat，PDF)文檔來呈現的，盡管該PDF文檔具有可移植性，但是從PDF文檔中提取某些特定部件是比較困難的。比如，由于在PDF文檔的格式說明書中，并沒有表格的概念和相應的部件，這使得從PDF中搜索表格非常困難。然而，考慮到表格是由線段和文字組成，可以預期的是，從PDF文檔中搜索表格信息將在文檔重用以及文檔檢索等領域有廣泛應用。

可見，亟需一種從PDF文檔中搜索表格信息的技術方案以滿足當前無紙化辦公的市場需求。

發明內容

有鑒于此，本申請的目的在于提供一種表格信息的搜索方法及裝置，以實現對PDF文檔中表格信息的搜索，適用性較好。

第一方面，本申請實施例提供了一種表格信息的搜索方法，包括：

獲取待搜索表格中各單元格的內容信息，以及對應單元格的坐標信息；

根據預先確定的針對所述待搜索表格的搜索策略，確定對表格內容進行搜索采用的搜索命令；

通過執行確定的所述搜索命令，確定待搜索目標內容信息對應的坐標信息；并

將確定的坐標信息對應的內容信息確定為搜索結果。

結合第一方面，本申請提供了第一方面的第一種可能的實施方式，其中，所述搜索策略包括根據所述待搜索表格的結構、和/或所述待搜索表格的行表頭和列表頭的內容確定的，不同位置特征的搜索關鍵字的處理順序；以及為確定各搜索關鍵字的位置，使用的搜索命令；

根據預先確定的針對所述待搜索表格的搜索策略，確定對表格內容進行搜索采用的搜索命令，包括：

對搜索指示中包含的搜索關鍵字進行解析，確定各搜索關鍵字在所述待搜索表格中的位置特征；

根據所述搜索策略，確定對所述搜索關鍵字的處理順序，以及為確定各搜索關鍵字的位置使用的搜索命令；

按照所述處理順序對確定的搜索命令排序，得到對所述待搜索表格內容進行搜索采用的搜索命令組。

結合第一方面或第一方面的第一種可能的實施方式，本申請提供了第一方面的第二種可能的實施方式，其中，所述搜索命令包括行正向搜索命令和定位標注命令；

所述通過執行確定的所述搜索命令，確定待搜索目標內容信息對應的坐標信息，包括：

確定所述行正向搜索命令中指示的起始單元格的起始坐標信息和正向搜索順序；

從與所述起始單元格對應的起始坐標開始，對所述待搜索表格中的其他單元格按照所述正向搜索順序進行遍歷搜索，直至搜索到目標搜索關鍵字；

基于所述定位標注命令對搜索到的目標搜索關鍵字的坐標信息所表征的待搜索目標內容的行坐標和/或列坐標進行定位標注；