每日团队

 表格结构化重建，需要使用一些技术工具和方法，例如:
1.数据清洗:对表格中的数据进行清洗、去重、格式化等操作，确保数据的准确性和一致性。

2.数据标准化:对表格中的数据进行标准化处理，使其符合特定的数据模型或规范。

3.数据抽取:使用自然语言处理、OCR等技术将非结构化数据(如PDF、图片)转换为结构化数据，方便进行分析和处理。

4.数据分析:对表格中的数据进行分析，识别出其中的关键信息和规律,为后续的业务决策提供支持。

5.数据可视化:将表格中的数据通过图表、报表等方式进行可视化展示，方便用户进行数据分析和理解。

昨天一直解决不出界面的问题，现在还没解决出来，搞不清楚整个原理是什么，搜了搜知道大概该用啥，但是搞不出来

今天还是继续搞这个，估计很难，我在网上看到有人出钱要请大牛完成这个差不多的项目我就知道要做不出来，现在能简单的将表格进行HTML式的输出

package com.example.demo;

import com.sun.org.slf4j.internal.Logger;
import com.sun.org.slf4j.internal.LoggerFactory;
import net.sourceforge.tess4j.ITesseract;
import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.TesseractException;
import org.opencv.core.*;
import org.opencv.core.Rect;


import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
import org.opencv.objdetect.Objdetect;

import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.ByteArrayInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.nio.file.Files;
import java.nio.file.Path;
import java.nio.file.Paths;
import java.util.List;

public class TableScanner {
    private static final Logger logger = LoggerFactory.getLogger(TableScanner.class);

    private static final String TESSERACT_DATA_PATH = "/usr/share/tesseract-ocr/4.00/tessdata"; // Tesseract OCR数据路径

    private String imagePath; // 图像文件路径
    private String tablePath; // 表格文件保存路径

    public TableScanner(String imagePath, String tablePath) {
        this.imagePath = imagePath;
        this.tablePath = tablePath;
    }

    public void scanTable() throws IOException {
        // 加载OpenCV库
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);

        // 读取图像文件
        Mat image = Imgcodecs.imread(imagePath);

        // 转换为灰度图像
        Mat gray = new Mat();
        Imgproc.cvtColor(image, gray, Imgproc.COLOR_BGR2GRAY);

        // 对图像进行二值化处理
        Mat binary = new Mat();
        Imgproc.threshold(gray, binary, 0, 255, Imgproc.THRESH_BINARY_INV | Imgproc.THRESH_OTSU);

        // 进行表格检测
        Rect tableRect = detectTable(binary);

        if (tableRect == null) {
            logger.warn("Failed to detect table in image: {}", imagePath);
            return;
        }

        // 提取表格区域
        Mat table = new Mat(image, tableRect);

        // 进行表格识别
        ITesseract tesseract = new Tesseract();
        tesseract.setDatapath(TESSERACT_DATA_PATH);
        tesseract.setLanguage("eng"); // 使用英文语言库
        String text = null;
        BufferedImage bufferedImage = null;
        try {
            MatOfByte matOfByte = new MatOfByte();
            Imgcodecs.imencode(".jpg", table, matOfByte);
            byte[] byteArray = matOfByte.toArray();
            InputStream in = new ByteArrayInputStream(byteArray);
            bufferedImage = ImageIO.read(in);
        } catch (IOException e) {
            logger.error("Failed to convert Mat to BufferedImage: {}", e.getMessage());
            return;
        }
        try {
            text = tesseract.doOCR(bufferedImage);
        } catch (TesseractException e) {
            logger.error("Failed to recognize table in image: {}", imagePath, e);
            return;
        }
//        try {
//            text = tesseract.doOCR(table);
//        } catch (TesseractException e) {
//            logger.error("Failed to recognize table in image: {}", imagePath, e);
//            return;
//        }

        // 保存为CSV文件
        Path tableFile = Paths.get(tablePath);
        Files.write(tableFile, text.getBytes());
    }

    /**
     * 检测图像中的表格区域
     */
    private Rect detectTable(Mat binary) {
        // 进行轮廓检测
        List<MatOfPoint> contours = Lists.newArrayList();
        Mat hierarchy = new Mat();
        Imgproc.findContours(binary, contours, hierarchy, Imgproc.RETR_EXTERNAL, Imgproc.CHAIN_APPROX_SIMPLE);

        // 查找最大的矩形轮廓
        Rect maxRect = null;
        double maxArea = 0;
        for (MatOfPoint contour : contours) {
            Rect rect = (Rect) Imgproc.boundingRect(contour);
            double area = rect.width * rect.height;
            if (area > maxArea && isTable(rect)) {
                maxRect = rect;
                maxArea = area;
            }
        }

        return maxRect;
    }

    /**
     * 判断矩形是否为表格
     */
    private boolean isTable(Rect rect) {
       return rect.width > 50 && rect.height > 50;
       
    }

}