版式文档的比对方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供一种版式文档的比对方法、装置、设备及存储介质，该方法包括：接收文档收集设备采集获得的第一版式文档和第二版式文档；对所述第一版式文档和所述第二版式文档中的段落执行语义分析处理，得到所述第一版式文档和所述第二版式文档中每个段落的描述对象；分别将所述第一版式文档和所述第二版式文档中，描述对象相同且相邻的段落划分到同一分区；将所述第一版式文档和所述第二版式文档中排序相同的段落及分区进行比对，并输出比对结果。减少了版式文档内容的比对次数，提高了比对效率。

Comparison method, device, equipment and storage medium of layout document

【技术实现步骤摘要】
版式文档的比对方法、装置、设备及存储介质
本专利技术实施例涉及计算机
，尤其涉及一种版式文档的比对方法、装置、设备及存储介质。
技术介绍
可扩展标记语言(ExtensibleMarkupLanguage，XML)排版系统是一种常用的版式文档排版系统，其是一套利用前期结构化的数据和预先设计好的模板，通过版式排版软件的排版能力，自动化的实现排版、印刷、网刊发布流程的通用系统。在整个系统流程中，依据业务需要，可能需要手工对稿件通过版式排版编辑软件对版式文档做些内容修改和格式样式调整工作，这就要求能够进行版式文档的比较。现有版式文档的比较，一般先由两个待比对的版式文档的段落组成构造两个有向序列，要求两个有向序列中的每个单元都要两两比较，对于序列长度比较短的情况，比对的次数相对较少。但是对于长度较长的序列来说就存在比对次数多，比对效率低的问题。
技术实现思路
本专利技术实施例提供一种版式文档的比对方法、装置、设备及存储介质，用以提高版式文档的比对效率。本申请实施例第一方面提供一种版式文档的比对方法，包括：接收文档收集设备采集获得的第一版式文档和第二版式文档；对所述第一版式文档和所述第二版式文档中的段落执行语义分析处理，得到所述第一版式文档和所述第二版式文档中每个段落的描述对象；分别将所述第一版式文档和所述第二版式文档中，描述对象相同且相邻的段落划分到同一分区；将所述第一版式文档和所述第二版式文档中排序相同的段落及分区进行比对，并输出比对结果。在一种实施方式中，所述分别将所述第一版式文档和所述第二版式文档中，描述对象相同且相邻的段落划分到同一分区，包括：根据所述第一版式文档和所述第二板式文档中各段落的描述对象，分别对所述第一版式文档中的段落和所述第二板式文档中的段落进行聚类处理，将描述对象相同的段落划分为一类；分别将所述第一版式文档和所述第二板式文档中，属于同一类且相邻的段落划分到同一分区。在一种实施方式中，所述将所述第一版式文档和所述第二版式文档中排序相同的段落及分区进行比对，包括：计算所述第一版式文档和所述第二版式文档中每个段落、每个分区的哈希值；将所述第一板式文档和所述第二板式文档中排序相同的段落及分区的哈希值进行比对。在一种实施方式中，计算所述第一版式文档和所述第二版式文档中每个段落、每个分区的哈希值，包括：基于所述第一版式文档和所述第二版式文档中每个段落或分区的内容数据计算所述第一版式文档和所述第二版式文档中每个段落或分区的第一哈希值；基于所述第一版式文档和所述第二版式文档中每个段落或分区的格式数据，计算所述第一版式文档和所述第二版式文档中每个段落或分区的第二哈希值。本申请实施例第二方面提供一种版式文档比对装置，包括：接收模块，用于接收文档收集设备采集获得的第一版式文档和第二版式文档；语义分析模块，用于对所述第一版式文档和所述第二版式文档中的段落执行语义分析处理，得到所述第一版式文档和所述第二版式文档中每个段落的描述对象；分区划分模块，用于分别将所述第一版式文档和所述第二版式文档中，描述对象相同且相邻的段落划分到同一分区；比对模块，用于将所述第一版式文档和所述第二版式文档中排序相同的段落及分区进行比对，并输出比对结果。在一种实施方式中，所述分区划分模块，包括：聚类子模块，用于根据所述第一版式文档和所述第二板式文档中各段落的描述对象，分别对所述第一版式文档中的段落和所述第二板式文档中的段落进行聚类处理，将描述对象相同的段落划分为一类；划分子模块，用于分别将所述第一版式文档和所述第二板式文档中，属于同一类且相邻的段落划分到同一分区。在一种实施方式中，所述比对模块，包括：计算子模块，用于计算所述第一版式文档和所述第二版式文档中每个段落、每个分区的哈希值；比对子模块，用于将所述第一板式文档和所述第二板式文档中排序相同的段落及分区的哈希值进行比对。在一种实施方式中，所述计算子模块在计算所述第一版式文档和所述第二版式文档中每个段落、每个分区的哈希值时，具体用于：基于所述第一版式文档和所述第二版式文档中每个段落或分区的内容数据计算所述第一版式文档和所述第二版式文档中每个段落或分区的第一哈希值；基于所述第一版式文档和所述第二版式文档中每个段落或分区的格式数据，计算所述第一版式文档和所述第二版式文档中每个段落或分区的第二哈希值。本申请实施例第三方面提供一种计算机设备，包括处理器、显示屏和存储器；所述存储器中存储有指令，当所述指令被所述处理器执行时，所述处理器执行如上述第一方面所述的方法。本申请实施例第四方面提供一种计算机存储介质，所述计算机存储介质上存储有计算机指令，所述计算机指令用于使所述计算机执行如上述第一方面所述的方法。基于以上各方面，本申请实施例提供的版式文档的比对方法、装置、设备及存储介质，通过对第一版式文档和第二版式文档中的段落执行语义分析处理，分别将第一版式文档和第二版式文档中描述对象相同且相邻的段落划分到同一分区，并将第一版式文档和第二版式文档中排序相同的段落及分区进行比对，避免了将版式文档的段落进行逐个对比，大大减少了版式文档内容的比对次数，提高了比对效率。应当理解，上述
技术实现思路
部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征，亦非用于限制本申请的范围。本公申请的其它特征将通过以下的描述变得容易理解。附图说明图1为本专利技术实施例的一种版式文档结构示意图；图2为本申请实施例提供的一种版文档节点关联关系示意图；图3为本专利技术实施例的一种版式文档比对方法的流程图；图4为本专利技术实施例的一种文章内容编号关联示意图；图5为本专利技术实施例的一种段落划分示意图；图6为本专利技术实施例的一种段落划分方法的流程图；图7为本专利技术实施例的一种段落分区比对的流程图；图8为本专利技术实施例的一种比对序列的结构示意图；图9为本专利技术实施例的一种计算段落和分区哈希值的流程图；图10为本专利技术实施例的一种版式文档比对装置的结构示意图；图11为本专利技术实施例的一种分区划分模块的结构示意图；图12为本专利技术实施例的一种比对模块的结构示意图；图13为本申请实施例提供的一种计算机设备的结构示意图。具体实施方式下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例，然而应当理解的是，本申请可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是，本申请的附图及实施例仅用于示例性作用，并非用于限制本申请的保护范围。本申请实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解本文档来自技高网...

【技术保护点】
1.一种版式文档的比对方法，其特征在于，包括：/n接收文档收集设备采集获得的第一版式文档和第二版式文档；/n对所述第一版式文档和所述第二版式文档中的段落执行语义分析处理，得到所述第一版式文档和所述第二版式文档中每个段落的描述对象；/n分别将所述第一版式文档和所述第二版式文档中，描述对象相同且相邻的段落划分到同一分区；/n将所述第一版式文档和所述第二版式文档中排序相同的段落及分区进行比对，并输出比对结果。/n

【技术特征摘要】
1.一种版式文档的比对方法，其特征在于，包括：
接收文档收集设备采集获得的第一版式文档和第二版式文档；
对所述第一版式文档和所述第二版式文档中的段落执行语义分析处理，得到所述第一版式文档和所述第二版式文档中每个段落的描述对象；
分别将所述第一版式文档和所述第二版式文档中，描述对象相同且相邻的段落划分到同一分区；
将所述第一版式文档和所述第二版式文档中排序相同的段落及分区进行比对，并输出比对结果。


2.根据权利要求1所述的方法，其特征在于，所述分别将所述第一版式文档和所述第二版式文档中，描述对象相同且相邻的段落划分到同一分区，包括：
根据所述第一版式文档和所述第二板式文档中各段落的描述对象，分别对所述第一版式文档中的段落和所述第二板式文档中的段落进行聚类处理，将描述对象相同的段落划分为一类；
分别将所述第一版式文档和所述第二板式文档中，属于同一类且相邻的段落划分到同一分区。


3.根据权利要求1或2所述的方法，其特征在于，所述将所述第一版式文档和所述第二版式文档中排序相同的段落及分区进行比对，包括：
计算所述第一版式文档和所述第二版式文档中每个段落、每个分区的哈希值；
将所述第一板式文档和所述第二板式文档中排序相同的段落及分区的哈希值进行比对。


4.根据权利要求3所述的方法，其特征在于，计算所述第一版式文档和所述第二版式文档中每个段落、每个分区的哈希值，包括：
基于所述第一版式文档和所述第二版式文档中每个段落或分区的内容数据计算所述第一版式文档和所述第二版式文档中每个段落或分区的第一哈希值；
基于所述第一版式文档和所述第二版式文档中每个段落或分区的格式数据，计算所述第一版式文档和所述第二版式文档中每个段落或分区的第二哈希值。


5.一种版式文档比对装置，其特征在于，包括：
接收模块，用于接收文档收集设备采集获得的第一版式文档和第二版式文档；
语义分析模块，用于对所述第一版式文档和所述第二版式...

【专利技术属性】
技术研发人员：严昌华，
申请(专利权)人：北大方正集团有限公司，北京北大方正电子有限公司，
类型：发明
国别省市：北京;11