История страницы

Извлечь данные в

...

таблицу Версия 8 (Python)

Группа действий: Распознавание текста Robin OCR

...

Описание

Действие распознает текст документас документа, разделяет его на блоки и сохраняет возвращает в табличном виде.

...

Иконка действия

Image Added

Параметры и их настройки

Свойство

Англ. наименование

Описание	Тип	Пример заполнения	Обязательность заполнения поля
Параметры

Путь к файлуPath to file

Файл	Путь к файлу, из которого нужно извлечь данные. Поддерживаемые форматы: jpg, jpeg, bmp, png, tif, pdf

.Путь к файлу

Robin.FilePath

C:\Users\Документы\1.pdf

		Да
Номер страницы

Page number

Номер страницы в

многостраничном

документе,

данные

с которой нужно извлечь

в таблицуЧисло

данные. Если поле не заполнено, данные будут извлечены со всех страниц	Robin.Numeric		Нет
Язык

Language

Выпадающий список из элементов: Русский язык, Английский язык, Русский и английский языки, Испанский язык, Португальский язык. Значение по умолчанию - Русский и английский языки.

Предполагаемый язык текста, который необходимо распознать

Предполагаемый язык текста, который необходимо извлечь	Robin.String		Нет
Дополнительный язык	Дополнительный язык, на котором предположительно может быть распознаваемый текст	Robin.String		Нет
Алгоритм	Формат данных, которые действие должно распознать. Если выбрано «Таблица» или «Текст и таблица», текст из таблиц будет возвращен с учетом табличной разметки	Robin.String		Да
Расстояние между словами	Максимальное расстояние между словами в тексте. Используется при делении исходного текста на столбцы для результирующей таблицы. В алгоритме «Таблица» и «Текст и таблица» параметр не учитывается для текста из таблиц. Значение по умолчанию - 20 пикселей	Robin.Numeric

СтрокаНетРасстояние между словами

Distance between words

Максимальное расстояние между словами в пикселях для разделения блоков текста на столбцы таблицы. По умолчанию действие использует расстояние в 20 пикселейЧисло

		Нет
Расстояние между строками

Line spacing

Максимальное

расстояние

расстояние между строками в

пикселях для разделения блоков

тексте. Используется при делении исходного текста на строки для результирующей таблицы

. По умолчанию действие использует расстояние в 1 пиксель.Число

. В алгоритме «Таблица» и «Текст и таблица» параметр не учитывается для текста из таблиц. Значение по умолчанию - 1 пиксель	Robin.Numeric		Нет
Путь к папке

Folder path

С учетом выбранного расстояния между словами и строками, действие делит распознаваемый текст на блоки. В поле можно указать путь

Путь к папке, в которую

будет

будут сохранено изображение

распознанного

исходного текста с наложенными блоками, на которые его делит действие для распознавания. Для сохранения

файла

также

нужно заполнить

нужно заполнить поле "Имя файла"

Путь к папке

Robin.FolderPath	C:\doc\img	Нет
Имя файла

File name

Название

файла

изображения исходного текста с наложенными блоками (без расширения).

По умолчанию создается файл

Изображение будет создано с расширением *.png.

Для сохранения файла также нужно заполнить поле

Если действие извлекает текст с нескольких страниц, то на каждую из них будет создано свое изображение, к названию которого будет добавлен индекс. Для сохранения также нужно заполнить поле "Путь к папке"

Строка

Robin.String		Нет
Перезаписать

Overwrite

Если значение

равно True

«true», и в указанной папке существует файл изображения с таким же именем, индексом и расширением, то новый файл его перезапишет. Если

False

«false», файл перезаписан не будет и действие вернет ошибку	Robin.Boolean	true	Нет
Параметры	Дополнительные параметры, влияющие на результат и качество распознавания текста	Robin.String		Нет
Подписать	Если значение "true", и в указанной папке существует изображение с таким же именем и расширением, то новое изображение с блоками его перезапишет.

Если "false", изображение перезаписано не будет, и действие вернет ошибку	Robin.Boolean	true	Нет
Обученная модель	Файл с обученной моделью Tesseract в формате .traineddata	Robin.FilePath

Логический

		Нет
Результаты
Таблица

Table

Таблица, сформированная на основе

текста

данных,

извлеченного

извлеченных из исходного документа

Robin.DataTable

ТаблицаПуть к изображению Путь к файлу изображения


Изображение с блоками

Path to image with blocks

Коллекция путей к файлам изображений страниц документа с наложенными блоками

.Путь к файлу

Robin.Collection

Особые условия использования

Действие распознает текст распознает текст документа и разбивает его разбивает его на блоки в зависимости от указанных входных параметров (расстояние между строками\словами) извлекает данные из текстовых документов и сохраняет их в виде таблицы. При этом исходный документ может и не содержать таблицы.

На вход можно подавать документы:

только текстовый слой pdfслой pdf-документа
только изображения
и текстовый слой, и изображения.

Работа действия основана на алгоритме извлечения блоков текста документа. Слова и строки документа объединяются в блоки на основе максимального расстояния между словами и максимального расстояния между строками. Эти параметры задаются во входных параметрах действия.

Примеры таких документов: кассовые чеки; документы, содержащие табличные данные с\без разделителей; документы, содержащие сплошной текст.

Пример распознавания.

Image RemovedImage Removed

Пример использования

Логика работы действия, в зависимости от настройки параметра "Алгоритм": если выбрана "Таблица", действие вернет текст только из таблиц, сохранив его табличную разметку. Если "Текст", вернет все, но для текста из таблиц не учтет его разметку (то есть считывается весь текст из исходного документа, при этом, если были найдены таблицы, текст из них будет извлечен не по табличной разметке, а по расстоянию). Если "Текст и таблица", распознает и вернет текст из таблиц и обычный текст как отдельные части, сохранив для таблиц разметку.

Следует иметь ввиду, что если обученная модель не работает или плохо натренирована, то необходимо значения выпадающего списка "Язык" заменить на значения списка "Дополнительный язык".