Текст режется по границам столбцов: соседние клетки бланка больше не попадают в один блок
Раньше сервис собирал абзац из слов, стоящих по разные стороны напечатанной линейки бланка: «Продавец … (2) Покупатель … (6)» оказывались одной строкой, а подписи десяти столбцов товарной таблицы — одним блоком. Теперь линейки бланка используются как границы: строка, написанная в двух клетках, делится на два блока. Ниже — прогон по всем пяти документам заказчика: одна и та же страница, один и тот же движок, разница только в резке.
По каждой странице
| Документ | Стр. | Границ столбцов | Блоков текста до → после | Пересекали границу до → после | Два номера клеток в строке до → после | Слова целы |
|---|---|---|---|---|---|---|
| Пример 1 | 1 | 20 | 12 → 53 | 7 → 1 | 0 → 0 | да |
| Пример 1 | 2 | 21 | 18 → 35 | 5 → 1 | 0 → 0 | да |
| Пример 2 | 1 | 17 | 19 → 27 | 6 → 0 | 0 → 0 | да |
| Пример 2 | 2 | 16 | 19 → 37 | 7 → 5 | 0 → 0 | да |
| Пример 3 | 1 | 18 | 7 → 9 | 2 → 0 | 1 → 1 | да |
| Пример 4 | 1 | 17 | 5 → 17 | 2 → 0 | 0 → 0 | да |
| Пример 5 | 1 | 17 | 11 → 36 | 7 → 0 | 0 → 0 | да |
| Пример 5 | 2 | 4 | 4 → 6 | 2 → 0 | 0 → 0 | да |
«Границ столбцов» — сколько вертикальных линеек бланка нашлось на странице; по ним и режется текст. «Пересекали границу» — блоки, внутри рамки которых проходит линейка на всю их высоту: значит блок стоит сразу в двух клетках. «Два номера клеток в строке» — тот же дефект, видимый прямо в тексте, без картинки.
Как это выглядит на скане
найденные границы столбцовблок, пересекавший границу (было)блоки после резки (стало)
Пример 1, страница 1
Пример 2, страница 2
Пример 3, страница 1
Пример 4, страница 1
Пример 5, страница 1
Что было склеено и как разошлось
Пример 1, страница 1 — было 7 таких блоков, например:
универсальный Приложение № 1 к постановлению Правительства Российской Федерации от 26 декабря 2011 г. № 1137
Пример 1, страница 2 — было 5 таких блоков, например:
- `
Пример 2, страница 1 — было 6 таких блоков, например:
Универсальный Счет-фактура № 4 от 16 января 2025 г. (1) Приложение № 1 кпостановления Прави‘ольстья Рослийсткий федерации, от 26 декабря 2011 ©. Ne 1137
Пример 2, страница 2 — было 7 таких блоков, например:
Регистрационный
Пример 3, страница 1 — было 2 таких блоков, например:
= Универсальный | Счет-фактура № 186
Пример 4, страница 1 — было 2 таких блоков, например:
pte meg Vane ры Se ee es Oe ee is (в редакции постановления Правительства Российской Федерации от 2 апреля 2021 г, № 534)
Пример 5, страница 1 — было 7 таких блоков, например:
Универсальный Счет-фактура № 1189/4 от 20 февраля 2025 г. Приложение N 1 к постановлению Правительства Российской Федерации от 26.12.2011 №1137
Пример 5, страница 2 — было 2 таких блоков, например:
Документ Главный бухгалтер
Как это устроено
- Границы столбцов — это вертикальные линейки бланка: длинные линии таблицы, которые сервис научился находить на прошлом шаге, плюс линейки, которые видит сам движок при разборе сетки.
- Абзац проверяется построчно. Если линейка проходит через строку сверху донизу и слова есть по обе стороны от неё — строка написана в двух клетках, и она делится.
- 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. Разрезать само слово нельзя, поэтому если линейка задела букву, слово уходит на ту сторону, 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.
- Ячейки таблиц пересчитывать не стали: их разбор трогать нельзя. Склейки внутри ячеек, найденные в первом замере, остаются как были.
- Текстовых блоков стало больше — это и есть результат: то же самое содержимое разложено по клеткам бланка, а не свалено в один абзац.
Прогон: bench/step3. Замер «до» повторяет замер первого шага и считается тем же кодом.