OCR 如何处理表格和结构化数据提取？

1. 表格识别的技术流程

表格识别比线性文本识别复杂得多，需要同时理解文字内容和二维空间结构。现代表格识别技术通常分为四个阶段：

• 表格区域检测：利用目标检测模型（如 Faster R-CNN、YOLO）从文档版面中定位表格区域
• 表格结构识别：解析行、列、合并单元格的划分及物理位置坐标，主流方法包括基于 Transformer 的自注意力机制和基于图神经网络（GNN）的单元格关系推理
• 单元格内容识别：对每个单元格调用 OCR 技术识别文本内容
• 后处理与还原：将识别结果填充到表格结构中，输出为 Excel、JSON 或 HTML 格式

2. 复杂表格的处理能力

现代表格识别技术已能覆盖多种复杂表格形态：

• 有线表与无线表：通过分析文本空间分布和语义特征判断无线表的单元格边界
• 异形表与密集表：处理多级合并单元格、跨行/列的不规则表格
• 跨页表格合并：通过语义特征与版式特征识别自动判断跨页表格的连续性
• 多格式输出：支持 Excel、JSON、CSV、Markdown 等格式，并提供单元格级坐标溯源

3. 腾讯云表格识别能力

腾讯云文字识别 OCR 提供表格识别（V3）服务，支持中英文图片/PDF 内常规表格、无线表格、多表格的检测和识别，返回每个单元格的文字内容，支持旋转的表格图片识别，且支持将识别结果保存为 Excel 格式。对无线表格、嵌套表格等难例场景的识别效果均优于早期版本，同时能避免部分印章干扰和表格线断裂等影响因素。