Текст режется по границам строк: соседние строки таблицы больше не попадают в один блок
Раньше сервис мог собрать один блок из строк, стоящих по разные стороны напечатанной линейки: в блок попадали запись товара и следующая за ней, или шапка таблицы вместе с первой записью. Править такой блок на экране проверки неудобно — непонятно, к какой строке документа он относится. Теперь линейки строк работают как границы — так же, как уже работают границы столбцов. Ниже — прогон по всем пяти документам: одна и та же страница, один и тот же движок, разница только в резке.
Счёт склеек намеренно строгий: он смотрит на все слова страницы, чьи середины попали в рамку блока, — даже на те, что в сам блок не входят. Единственный оставшийся случай (1 из 22) именно такой: весь текст блока стоит по одну сторону линейки, а с другой стороны в рамку заглянуло слово соседнего блока. По собственному содержимому блоков склеек соседних строк не осталось: 22 → 0. Разбор по словам — ниже.
По каждой странице
| Документ | Стр. | Линий строк | Блоков текста до → после | Склеивали две строки до → после | Задевали линейку строки до → после | Склеивали два столбца до → после | Задевали границу столбца до → после | Слова целы |
|---|---|---|---|---|---|---|---|---|
| Пример 1 | 1 | 26 | 53 → 70 | 12 → 0 | 12 → 0 | 0 → 0 | 1 → 2 | да |
| Пример 1 | 2 | 21 | 35 → 35 | 0 → 0 | 0 → 0 | 0 → 0 | 1 → 1 | да |
| Пример 2 | 1 | 19 | 27 → 28 | 1 → 0 | 1 → 0 | 0 → 0 | 0 → 0 | да |
| Пример 2 | 2 | 24 | 37 → 47 | 7 → 1 | 8 → 2 | 3 → 3 | 5 → 6 | да |
| Пример 3 | 1 | 22 | 9 → 11 | 1 → 0 | 1 → 2 | 0 → 0 | 0 → 0 | да |
| Пример 4 | 1 | 18 | 17 → 17 | 0 → 0 | 0 → 0 | 0 → 0 | 0 → 0 | да |
| Пример 5 | 1 | 31 | 36 → 36 | 0 → 0 | 0 → 0 | 0 → 0 | 0 → 0 | да |
| Пример 5 | 2 | 15 | 6 → 11 | 1 → 0 | 1 → 0 | 0 → 0 | 0 → 0 | да |
| Итого | 8 | 220 → 255 | 22 → 1 | 23 → 4 | 3 → 3 | 7 → 9 | 8 из 8 |
«Линий строк» — сколько горизонтальных линеек бланка нашлось на странице; по ним и режется текст. «Склеивали две строки» — главный счёт: линейка проходит внутри рамки блока по всей его ширине И текст есть по обе стороны от неё, то есть в блок попали две соседние строки таблицы. «Задевали линейку» — линейка в рамку попала, но текста по обе стороны нет: делить там нечего. Те же два счёта посчитаны и для вертикальных линеек — они показывают, что прежнее качество разреза по столбцам не испортилось.
Число блоков, задевающих границу столбца, выросло (7 → 9) — это свойство самого счёта, а не ухудшение: разрезанный по строкам блок становится ниже, и вертикальная линейка начинает закрывать его по всей высоте, хотя весь текст блока стоит по одну её сторону. Склеек — там, где текст действительно с двух сторон, — не прибавилось: 3 → 3.
Как это выглядит на скане
найденные линии строкблок, в рамку которого попала линия (было)блоки после резки (стало)
Пример 1, страница 1
Пример 2, страница 2
Пример 3, страница 1
Пример 5, страница 2
Что было склеено
Пример 1, страница 1 — было 12 таких блоков, например:
Счет-фактура № ne Исправление № Продавец: Адрес: ИННКПП продавца: Грузоотправитель и его адрес: Наименование товара | (описание выполненных
Пример 2, страница 1 — было 1 таких блоков, например:
Счет-фактура № 4 от 16 января 2025 г. (1) Приложение № 1 кпостановления Прави‘ольстья Рослийсткий федерации, от 26 декабря 2011 ©. Ne 1137 Исправление № ee от a oo (в редакции постановления Правительс
Пример 2, страница 2 — было 7 таких блоков, например:
raph $) единицу. |Измерения| (Mo)
Пример 3, страница 1 — было 1 таких блоков, например:
ре SOO = ° atone fom Я ty oo |
Пример 5, страница 2 — было 1 таких блоков, например:
Товар (груз) передал/услуги, ГЕНЕРАЛЬНЫЙ (должность) Дата ‘отгрузки, передачи Иные сведения 06 oTrpy3ke, (ссылки Р/с 40702810040000062982 Ответственный за правильность ГЕНЕРАЛЬНЫЙ (должность) Наименов
Что осталось
Пример 2, страница 2 — 1 блок(а):
paicrseHio иные документы ит:п;) = | = енной жизни би
Разбор по словам: весь текст этого блока стоит выше линейки, двух строк таблицы в нём нет. В счёт он попал потому, что счёт строгий — он смотрит на все слова страницы, чьи середины оказались внутри рамки блока. Внутрь рамки заглянуло чужое слово с другой стороны линейки ((ф:иго.:)) — оно принадлежит соседнему блоку и в содержимое этого не входит. По собственному содержимому блоков склеек соседних строк не осталось ни одной.
Как это устроено
- Границы строк — это горизонтальные линейки бланка: линии таблицы, которые сервис научился находить на прошлом шаге, плюс линейки, которые видит сам движок при разборе сетки.
- Линейка засчитывается, только если она проходит внутри рамки блока, закрывает блок по ширине и слова блока есть и выше, и ниже неё.
- Высота линейки берётся в точке слова, а не средняя: даже на выпрямленной странице у линейки через весь лист остаётся доля градуса завала, и по средней высоте слова у дальнего края листа ушли бы не в свою строку.
- Резка по строкам и по столбцам чередуется, пока блоки делятся: отрезав нижнюю строку, мы делаем блок ниже — и граница столбца, которая раньше закрывала его лишь наполовину, теперь может пройти насквозь.
- Ничего не выбрасывается: слова только раскладываются по частям. После резки текст страницы совпадает с прежним слово в слово — это проверяется на каждой странице.
- Слово целиком остаётся в одной части: если линейка задела букву, слово уходит туда, где стоит его середина.
Что осталось прежним
- Движок распознавания, подготовка скана и разбор таблиц по ячейкам не менялись. Резка работает только над свободным текстом — тем, что не попало в таблицу.
- Разрез по столбцам считается тем же кодом и по тому же порогу, что в прошлом замере.
- Текстовых блоков стало больше — это и есть результат: то же содержимое разложено по строкам бланка, а не свалено в один абзац.
Замер «до» — работа сервиса как сейчас (резка только по столбцам), замер «после» — с резкой по строкам; обе цифры сняты на одной и той же странице одним и тем же движком (прогон bench/rezka-strok).