How to Read Table in Documents

（英語

最小限のワークフロー (5 つのステップ)

テーブルからデータを抽出する C# ライブラリをダウンロードする。
1. 抽出のために画像とPDF文書を準備する
。
2. テーブル検出を有効にするためにReadDataTablesプロパティをtrueに設定する
。
3. 複雑なテーブルには ReadDocumentAdvanced メソッドを使用します
。
4. これらのメソッドによって検出されたデータを抽出する
。

## シンプルなテーブルの例 `ReadDataTables`プロパティをtrueに設定すると、Tesseractを使用したテーブル検出が可能になります。 この機能をテストするために、簡単な表PDFを作成しました：[simple-table.pdf](/static-assets/ocr/how-to/read-table-in-document/simple-table.pdf)'. セルが結合されていない単純な表は、この方法で検出できます。 より複雑な表については、以下に説明する方法を参照してください。 ```csharp :path=/static-assets/ocr/content-code-examples/how-to/read-table-in-document-with-tesseract.cs ``` ----- ## 請求書の例を読む ビジネスシーンでよく見られる複雑な表のひとつに請求書があります。 請求書自体は、行と列のデータを持つ複雑な表です。 IronOCRでは、`ReadDocumentAdvanced`メソッドを利用して、これらを美しく処理します。 プロセスとしては、ドキュメントをスキャンし、テーブル構造を特定し、データを抽出します。 この例では、'[invoiceTable.pdf](/static-assets/ocr/how-to/read-table-in-document/invoiceTable.pdf)' ファイルを使用して、IronOCRが請求書からすべての情報を取得する方法を紹介します。 `ReadDocumentAdvanced`メソッドは[IronOcr.Extensions.AdvancedScan](https://www.nuget.org/packages/IronOcr.Extensions.AdvancedScan)パッケージをIronOCRパッケージと一緒にインストールする必要があります。 ```csharp :path=/static-assets/ocr/content-code-examples/how-to/read-table-in-document-with-ml.cs ``` この方法では、ドキュメントのテキストデータを、境界線で囲まれたものと境界線のないものの2つのカテゴリーに分けます。 境界線のあるコンテンツについては、ライブラリは、テーブルの構造に基づいてさらにサブセクションに分割します。 結果は以下のとおりです。 この方法では、境界線で囲まれた情報に焦点を当てるため、複数の行にまたがるセルを結合しても、1つのセルとして扱われることに注意してください。 ### 結果 ### ヘルパークラス 現在の実装では、抽出されたセルはまだ適切に整理されていません。 しかし、各セルには、X座標やY座標、寸法などの貴重な情報が含まれています。 このデータを使って、さまざまな目的のためのヘルパークラスを作成することができます。 以下は、基本的なヘルパーメソッドです： ```csharp using System; using System.Collections.Generic; using System.Linq; // A helper class to process table data by sorting cells based on coordinates public static class TableProcessor { // Method to organize cells by their coordinates (Y top to bottom, X left to right) public static List OrganizeCellsByCoordinates(List cells) { // Sort cells by Y (top to bottom), then by X (left to right) var sortedCells = cells .OrderBy(cell => cell.CellRect.Y) .ThenBy(cell => cell.CellRect.X) .ToList(); return sortedCells; } // Example method demonstrating how to process multiple tables public static void ProcessTables(Tables tables) { foreach (var table in tables) { var sortedCells = OrganizeCellsByCoordinates(table.CellInfos); Console.WriteLine("Organized Table Cells:"); // Initialize previous Y coordinate int previousY = sortedCells.Any() ? sortedCells.First().CellRect.Y : 0; foreach (var cell in sortedCells) { // Print a new line if the Y-coordinate changes, indicating a new row if (Math.Abs(cell.CellRect.Y - previousY) > cell.CellRect.Height * 0.8) { Console.WriteLine(); // Start a new row previousY = cell.CellRect.Y; } // Print the cell text followed by a tab Console.Write($"{cell.CellText}\t"); } Console.WriteLine("\n--- End of Table ---"); // End of a table } } // Method to extract a specific row by the given index public static List ExtractRowByIndex(TableInfo table, int rowIndex) { if (table == null || table.CellInfos == null || !table.CellInfos.Any()) { throw new ArgumentException("Table is empty or invalid."); } var sortedCells = OrganizeCellsByCoordinates(table.CellInfos); List> rows = new List>(); // Group cells into rows based on Y coordinates int previousY = sortedCells.First().CellRect.Y; List currentRow = new List(); foreach (var cell in sortedCells) { if (Math.Abs(cell.CellRect.Y - previousY) > cell.CellRect.Height * 0.8) { // Store the completed row and start a new one rows.Add(new List(currentRow)); currentRow.Clear(); previousY = cell.CellRect.Y; } currentRow.Add(cell); } // Add the last row if it wasn't added yet if (currentRow.Any()) { rows.Add(currentRow); } // Retrieve the specified row if (rowIndex < 0 || rowIndex >= rows.Count) { throw new IndexOutOfRangeException($"Row index {rowIndex} is out of range."); } return rows[rowIndex]; } } ```