История страницы

Извлечь данные в

...

таблицу Версия

...

8 (Python)

Группа действий: Robin OCR 

...

Описание

Действие распознает текст с документа, разделяет его на блоки и возвращает в табличном виде. Распознавание происходит при помощи Robin OCR 1

Иконка действия

Image Modified

Параметры 

Входные параметры

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

Номер страницы                                   Номер страницы файла, с которой нужно извлечь данные. Если поле не заполнено, данные будут извлечены со всех страниц

Язык                                                        Предполагаемый язык текста. Выбирается из выпадающего списка. По умолчанию – английский.  

Алгоритм                                                Формат данных, которые действие должно распознать. Если выбрано "Таблица" или "Текст и таблица", текст из таблиц будет возвращен с учетом табличной разметки

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

Расстояние между строками                 Максимальное расстояние между строками в тексте. Используется при делении исходного текста на строки для результирующей таблицы. В алгоритме "Таблица"
                                                                 и "Текст и таблица" параметр не учитывается для текста из таблиц. Значение по умолчанию - 1 пикселей

Путь к папке                                           Путь к папке, в которую будет сохранена копия исходного изображения с наложенными блоками, на которые его делит действие для распознавания. Для сохранения также
                                                                 нужно заполнить поле "Имя файла"

 Имя файла                                             Название изображения с наложенными блоками (без расширения). Изображение будет создано с расширением *.png. Для сохранения также нужно заполнить поле "Путь к папке"

Перезаписать                                         Указывает перезапись уже существующего файла

Параметры                                             Дополнительные параметры, влияющие на результат и качество распознавания текста

Подписать                                               Если значение "true", то перед каждой распознанной табличной или текстовой частью будет добавлено слово "Part" c порядковым номером этой части. Если значение "false",
                                                                 перед этими частями будет вставлена пустая строка

Выходные параметры

Таблица                                                   Таблица, сформированная на основе данных, извлеченных из исходного файла

Изображение с блоками                        Коллекция путей к изображениям с наложенными блоками

Настройки

Параметры и их настройки

Особые условия использования 

Действие распознает текст документа и 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 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. 

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".

Пример использования Пример использования 

Задача

Распознать таблицу из документа obrazec.pdf и записать результат в таблицу в формате CSV. 

Решение

Воспользоваться действиями "Извлечь данные в таблицу", "Сохранить таблицу в CSV". 

Реализация

1. Собрать схему робота, состоящего из действий:
   Image Modified
2. Настроить параметры для действия "Извлечь данные в таблицу". 
   Image Modified
3. Настроить параметры для действия "Сохранить таблицу в CSV". 
   Image Modified
4. Нажать на кнопку "Старт" в верхней панели. 

Результат

Программный робот отработал успешно. Данные с документа извлечены в таблицу формата CSV. 
Image Modified

Страницы из документа сохранены в формате .png в указанную папку с выделенными блоками.Image ModifiedImage Modified

Таблица излечена и сохранена в формате .csv