使用Azure表单识别器提取PDF表数据
我正在使用来自识别器的Azure进行发票处理项目。所有发票均为PDF格式。我正在使用带有标签的自定义表单识别器。我可以从PDF中提取一些数据，如发票号、发票日期、金额等，但我想使用Azure Form Recognitor从PDF中提取表格数据，但它无法正确读取表格。
我已经标记了我需要的单元格，当表中的行数增加时，它会正确读取列，但是它无法将每行的值彼此分开，并将整列作为单个值返回。
我试图提供更多的例子，但它仍然未能检测到正确的表。有没有办法使用Azure表单识别器从PDF中正确提取表数据？
扫描表格是我们的应用程序的基本要求，它将决定我们的应用程序是否使用Azure Form Recognitor。
如果你能为我们指出正确的方向，并提供一些相关文件，那将是有益的。
谢谢
共有1个答案
请尝试以下方法-
>
不带标签的训练，看看它是否能检测并提取出你需要的表格。请看这里的快速入门-https://docs.microsoft.com/en-us/azure/cognitive-services/form-recognizer/quickstarts/python-train-extract?tabs=v2-0
如果没有标签的train没有检测到该表，如果您使用带标签的train，并且该表没有自动检测到，那么我们还不支持以本机方式标记表。您可以尝试将表标记为键值对，作为提取值的变通方法。将表标记为键值对时，将每个单元格标记为一个值，因此对于上表，每列应有5个值-Desc1、Desc2、Desc3。。。描述5，小时1，小时2，小时3。。。5小时。在这种情况下，您需要使用最大行数的表进行训练。
Neta-MSFT
-
我在用https://docs.microsoft.com/en-us/azure/cognitive-services/form-recognizer/quickstarts/curl-train-extract在不使用标签的情况下构建培训模型。 我遇到的问题是，当我通过模型运行一个文件（该文件用于训练模型）时，它没有拾取“表”部分。我的意思是，没有“表”节点。 据我所见，它应该能够将其构建为J
-
问题内容： 是否有任何支持表识别和提取的开源库？ 我的意思是： 识别表结构存在 根据内容对表格进行分类 以有用的输出格式（例如JSON / CSV等）从表中提取数据。 我浏览了有关此主题的类似问题，发现以下内容： PDFMiner解决了问题3，但似乎要求用户向PDFMiner指定每个表都存在表结构的地方（如果我错了，请纠正我） pdf-table-extract尝试解决问题1，但根据“待办事项”列
-
我有不同类型的pdf，其中包含多个内容，如文本，表格等。该表可以存在于pdf的任何位置（顶部，中间，底部）。我只想提取表数据（不。的列，没有。行数 到目前为止我所做的工作：- 1.我使用了iText java API来读取和提取。使用以下代码：- pdftextextractor . gettextfrompage 但它只是以文本形式返回数据。没有得到任何线索来确定表格在pdf中的位置以及如何从该
-
我正在使用表单识别器客户端库。NET从一个国家的国民身份证中提取数据。但它似乎无法从卡中获取键值对。我跟着https://docs.microsoft.com/en-us/azure/cognitive-services/form-recognizer/quickstarts/dotnet-sdk辅导的 我发现只有一个键值对，值数组包含所有的标签/文本（键和值）。 我需要用另一种方法从身份证中提取
-
我有（相同的）数据保存为GIF图像文件和PDF文件，我想将其解析为超文本标记语言或XML。这些数据实际上是我大学自助餐厅的菜单。这意味着每周必须解析一个新版本的文件！一般来说，这些文件包含一些页眉和页脚文本，以及中间充满其他数据的表格。我读过一些关于stackoverflow的帖子，我也开始尝试将表格数据解析为超文本语言标记/XML： PDF格式 PDFBox||iText（Java） 谷歌文档导
-
当我在调试采样器中看到时，我的变量中没有任何东西。