Spartan
基于经典计算机视觉（形态学操作与LSD线段检测）的开源PDF表格检测与结构识别工具，支持有框线和无框线表格，CPU运行，MIT许可
时间轴 (近 90 天)
Spartan是一个仅用经典计算机视觉技术（形态学操作和LSD线段检测）实现表格检测与结构识别的开源项目。
Spartan对有框线表格使用长水平/垂直核进行形态学开运算来分离表格线。
Spartan对无框线表格通过文本对齐（左、中、右）检测，当足够多的行和列对齐时绘制伪边界。
Spartan在结构识别阶段使用LSD检测线段，聚类合并成网格，并通过缺失线段恢复跨行/跨列单元格（使用并查集算法）。
对于数字PDF，Spartan直接从PDF文本层获取字符并映射到单元格网格，避免OCR错误。
Spartan的OCR（Tesseract或插件引擎）仅用于扫描页。
Spartan的后处理包括嵌套表头检测、键值表与普通表分类、跨页表格合并（通过匹配列宽和表头）。
Spartan整个流程在CPU上运行，笔记本上约0.3–1.5秒/页。
Spartan采用MIT许可。
Spartan目前缺乏正式基准评估（如在ICDAR 2013/PubTables-1M/FinTabNet上使用GriTS或TEDS），这是其最大短板。
还有 4 条时间轴事件
全部知识事实 (13)
Spartan是一个仅用经典计算机视觉技术（形态学操作和LSD线段检测）实现表格检测与结构识别的开源项目。
50%待验证Spartan对有框线表格使用长水平/垂直核进行形态学开运算来分离表格线。
50%待验证Spartan对无框线表格通过文本对齐（左、中、右）检测，当足够多的行和列对齐时绘制伪边界。
50%待验证Spartan在结构识别阶段使用LSD检测线段，聚类合并成网格，并通过缺失线段恢复跨行/跨列单元格（使用并查集算法）。
50%待验证对于数字PDF，Spartan直接从PDF文本层获取字符并映射到单元格网格，避免OCR错误。
50%待验证Spartan的OCR（Tesseract或插件引擎）仅用于扫描页。
50%待验证Spartan的后处理包括嵌套表头检测、键值表与普通表分类、跨页表格合并（通过匹配列宽和表头）。
50%待验证Spartan采用MIT许可。
50%待验证Spartan目前缺乏正式基准评估（如在ICDAR 2013/PubTables-1M/FinTabNet上使用GriTS或TEDS），这是其最大短板。
50%待验证Spartan对倾斜扫描件处理不佳，线段检测仅容忍约2像素漂移，尚无去斜校正。
50%待验证Spartan在小型无框线块中可能将表头误判为键值对。
50%待验证Spartan在无框线单元格中的换行文本有时会拆分成额外行。
50%待验证Spartan的安装方式为pip install spartan-tables，仓库地址为https://github.com/shlok-n/spartan。
50%