Извлечь данные в таблицу / Extract data to table

Группа действий: Распознавание текста

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

Настройки

Свойство	Англ. наименование	Описание	Тип	Пример заполнения	Обязательность заполнения поля
Параметры
Путь к файлу	Path to file	Путь к файлу, из которого нужно извлечь данные. Поддерживаемые форматы: jpg, jpeg, bmp, png, tif, pdf.	Путь к файлу	C:\Users\Документы\1.pdf	Да
Номер страницы	Page number	Номер страницы в многостраничном документе, данные которой нужно извлечь в таблицу	Число		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	Строка		Нет
Расстояние 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 пикселей	Число		Нет
Расстояние между строками	Line spacing	Максимальное расстояние между строками в пикселях для разделения блоков текста на строки таблицы. По умолчанию действие использует расстояние в 1 пиксель.	Число		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 к папке, в которую будет сохранено изображение распознанного текста с наложенными блоками. Для сохранения файла также нужно заполнить поле "Имя файла"	Путь к папке		Нет
Имя файла	File name	Название файла изображения с наложенными блоками (без расширения). По умолчанию создается файл с расширением *.png. Для сохранения файла также нужно заполнить поле "Путь к папке"	Строка		Нет
Перезаписать	Overwrite	Если значение равно True, и в указанной папке существует файл изображения с таким же именем и расширением, то новый файл его перезапишет. Если False, файл перезаписан не будет и действие вернет ошибку.	Логический		Нет
Результаты
Таблица	Table	Таблица, сформированная на основе текста, извлеченного из исходного документа.	Таблица
Путь к изображению с блоками	Path to image with blocks	Путь к файлу изображения с наложенными блоками.	Путь к файлу

Особые условия использования

Действие должно распознавать текст с документа и разбивать 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 давать документы:

только текстовый слой
только изображения
и текстовый слой, и изображения.

Работа действия основана 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.

Основные положения:

На движке tesseract.
За раз действие распознает только 1 страницу одного документа.
На вход можно дать файл с расширением jpg, jpeg, bmp, png, tif, pdf.
После нахождения всех блоков текста, они упорядочиваются сверху вниз, слева на право и сохраняются в табличную переменную с сохранением изначальной структуры документа.
Если подан одностраничный файл, поле "Номер страницы" будет игнорироваться.
Ячейки могут быть пустыми, так как в некоторых строках 1 столбец, в некоторых два или больше. И следовательно там, где 1 столбец там будет во следующих пустые ячейки.

Сохранение изображения распознанного текста с наложенными блоками.

Если поля "Путь к папке", "Имя файла" не заполнены, то файл с наложенными блоками не сохранится.
Если заполнено поле "Путь к папке" и не заполнено "Имя файла", то действие вернет ошибку.
Если заполнено поле "Имя файла" и не заполнено "Путь к файлу", то действие вернет ошибку.
Если заполнено поле "Имя файла" и "Путь к файлу", то файл сохраняется в указанной папке с указанным именем в формате *.png.
Если в указанной папке уже есть файл с указанным именем и расширением и поле "Перезаписать" = false, то робот вернет ошибку.

Пример распознавания.