[發明專利]基于CAD基礎元素的電子表格結構化識別與提取方法

有效

• 申請號: 202011148183.3
• 申請日: 2020-10-23
• 公開（公告）號: CN112241411B
• 公開（公告）日: 2022-07-26
• 發明（設計）人: 賀耀北;劉婷婷;王永;楊云逸;李瑜;李文武
• 申請（專利權）人: 湖南省交通規劃勘察設計院有限公司
• 主分類號: G06F16/22
• 分類號: G06F16/22;G06F16/25
• 代理公司: 湖南兆弘專利事務所(普通合伙) 43008
• 代理人: 周長清

1.一種基于CAD基礎元素的電子表格結構化識別與提取方法，其特征在于，步驟包括：

步驟S1：打開AutoCAD讀入待輸出圖紙文件的文件數據；

步驟S2：用戶框選構成表格形式的直線和文本對象，分別存為文本對象集合和直線對象集合；

步驟S3：對于選擇幾種所有的直線，兩兩之間計算交點，將交點存入交點集；按照先按交點X坐標值，然后按交點Y坐標值對交點進行排序；

步驟S4：計算交點集第一個元素與最后一個元素的距離，作為輔助線長度；

步驟S5：獲得交點集所有元素的X坐標值，存入X坐標集，并按升序排列；獲得交點集所有元素的Y坐標值，存入Y坐標集，對Y坐標集按降序排列；

步驟S6：對于文本集中的每個元素，進行循環遍歷進行操作，獲得對應的結構化信息；

步驟S7：完成所有文本集元素的結構化識別后，將所有的結構化單元信息數據提取到電子表格；

所述步驟S6中，獲得對應的結構化信息的流程包括：

步驟S601：計算文本元素的中點坐標信息；

步驟S602：以中點坐標為中心點，按輔助線長度，作一根豎直輔助線；

步驟S603：計算該豎直輔助線與直線對象集合所有元素的交點，并記錄具有與中點Y坐標值正負方向最接近Y坐標值的兩個交點；

步驟S604：在Y坐標集中得到與上述兩交點Y坐標值相同的元素序號，較小的序號需加1作為該文本所占單元格的起始列編號，較大的序號作為該文本所占單元格的終止列編號；

步驟S605：以中點坐標為中心點，按輔助線長度，作一根水平輔助線；

步驟S606：計算該水平輔助線與直線對象集合所有元素的交點，并記錄具有與中點X坐標值正負方向最接近X坐標值的兩個交點；

步驟S607：在X坐標集中得到與上述兩交點X坐標值相同的元素序號，較小的序號需加1作為該文本所占單元格的起始行編號，較大的序號作為該文本所占單元格的終止行編號；

步驟S608：文本元素的文本內容，以及起點起始行編號、終止行編號、起始列編號、終止列編號，構成了一個結構化單元信息數據。

2.根據權利要求1所述的基于CAD基礎元素的電子表格結構化識別與提取方法，其特征在于，所述步驟S2中，若構成表格的元素中存在多段線、多行文字類型，先對所有對象執行分解命令，直至表格有直線和單行文本構成為止。

3.根據權利要求2所述的基于CAD基礎元素的電子表格結構化識別與提取方法，其特征在于，所述步驟S2包括：

步驟S201：獲取基本元素選擇集，存入變量Ents；

步驟S202：識別選擇集文本對象，存入Txts變量；識別選擇集直線對象，存入Lines變量。

4.根據權利要求3所述的基于CAD基礎元素的電子表格結構化識別與提取方法，其特征在于，所述步驟S3中包括：

步驟S301：計算所有線交點，存入Points變量；

步驟S302：對Points先按X升序、后按Y降序排序；即，計算表格對角線長度，存入Length變量；計算交點X坐標值表，并按升序排列，存入CorX變量；計算交點Y坐標值表，并按降序排列，存入CorY變量。

5.根據權利要求1所述的基于CAD基礎元素的電子表格結構化識別與提取方法，其特征在于，所述步驟S601中對每個文本對象Txt，中點坐標存入變量Mdipnt；所述步驟S602中以Mdipnt為中心，做長度為Length的豎直線Vline；所述步驟S603中計算Vline與Lines中所有直線的交點，并按Y坐標值降序排序，存入變量Vpnts；所述步驟S604中Vpnts中Y坐標值正、負方向分別最接近Mdipnt點Y坐標值的兩點，分別存入變量Vp1、Vp2；所述步驟S605中以Mdipnt為中心，做長度為Length的水平線Hline；所述步驟S606中計算Hline與Lines中所有直線的交點，并按X坐標值升序排序，存入變量Hpnts；所述步驟S607中Vpnts中X坐標值正、負方向分別最接近Mdipnt點X坐標值的兩點，分別存入變量Hp1、Hp2。