CN103186514B - 用于实现文档结构化的方法和装置 - Google Patents

Abstract

本发明提供了一种用于实现文档结构化的方法，包括：获取开放格式文档；使用实例化规则匹配开放格式文档；以文档结构图呈现匹配结果。本发明提供了一种用于实现文档结构化的装置，包括：文档获取模块，用于获取开放格式文档；规则匹配模块，用于使用实例化规则匹配开放格式文档；呈现模块，用于以文档结构图呈现匹配结果。本发明提高了数字化管理文稿的效率。

Description

用于实现文档结构化的方法和装置

技术领域

本发明涉及出版领域，具体而言，涉及一种用于实现文档结构化的方法和装置。

背景技术

出版社收到大量的来稿，制作一本图书或者期刊需要编辑人员投入大量的精力来整理此类稿件内容对象的结构，其工作量很大。而且这些来稿格式有很多相同之处，导致编辑人员的很多工作是重复手工劳动，造成周期长，错误率较高。

发明内容

本发明旨在提供一种用于实现文档结构化的方法和装置，以解决提取文档结构的问题。

在本发明的实施例中，提供了一种用于实现文档结构化的方法，包括：获取开放格式文档；使用实例化规则匹配开放格式文档；以文档结构图呈现匹配结果。

在本发明的实施例中，提供了一种用于实现文档结构化的装置，包括：文档获取模块，用于获取开放格式文档；规则匹配模块，用于使用实例化规则匹配开放格式文档；呈现模块，用于以文档结构图呈现匹配结果。

本发明上述实施例的用于实现文档结构化的方法和装置因为对文档结构进行自动匹配，所以解决了现有技术中提前文档结构效率较低的问题，提高了数字化管理文稿的效率。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1示出了根据本发明实施例的用于实现文档结构化的方法的流程图；

图2示出了根据本发明优选实施例的用于实现文档结构化的方法的流程图；

图3示出了根据本发明优选实施例的实例化规则的文档结构图；

图4示出了根据本发明优选实施例的匹配结果的文档结构图；

图5示出了根据本发明实施例的用于实现文档结构化的装置的示意图。

具体实施方式

下面将参考附图并结合实施例，来详细说明本发明。

图1示出了根据本发明实施例的用于实现文档结构化的方法的流程图，包括：

获取开放格式文档；

使用实例化规则匹配开放格式文档；

以文档结构图呈现匹配结果。

本方法因为预设了实例化规则，可以对文档结构进行自动匹配，所以解决了现有技术中提前文档结构效率较低的问题，提高了数字化管理文稿的效率。

优选地，方法还包括预先创建实例化规则，具体包括：获取规定了样式的schema文件和规定了结构化规则的xml文件；将样式中的节点匹配结构化规则；将各个匹配成功的节点及其匹配的结构化规则组成各个实例化规则。本优选实施例利用Schema文件的样式和xml文件的结构化规则相结合，即可得到实例化规则，简单易行，适用范围广泛。

优选地，本方法还包括：对样式中匹配不成功的节点设置结构化规则以生成实例化规则；对匹配成功的节点及其匹配的结构化规则所组成的实例化规则进一步设置结构化规则。预先创建的规定了结构化规则的xml文件通常是由开发人员开发，不一定满足用户的个性化需求，而本优选实施例允许进一步设置结构化规则，这可以满足用户的个性化需求。

图2示出了根据本发明优选实施例的用于实现文档结构化的方法的流程图，包括：

步骤S202，通过用户在自动样式识别面板中输入文件名，获取规定了样式的schema文件和规定了结构化规则的xml文件；

步骤S204，将样式中的节点匹配结构化规则，将各个匹配成功的节点及其匹配的结构化规则组成各个实例化规则，对样式中匹配不成功的节点设置结构化规则以生成实例化规则；

步骤S206，对匹配成功的节点及其匹配的结构化规则所组成的实例化规则进一步设置结构化规则；

步骤S208，对由开放格式文档模板生成的开放格式文档匹配实例化规则，可以包括格式规则、样式规则、大纲级别规则和自定义通配符规则等；

步骤S210，在校对模式下，对匹配得到的内容对象结构化文档进行验证，观察是否为满足用户要求的结构化文档。

优选地，所设置的结构化规则包括以下至少之一：格式匹配方式，用于规定文字格式(字体、字号、颜色、下划线、加粗、倾斜等)来匹配结构；样式匹配方式，用于规定段落样式来匹配结构；大纲级别匹配方式，用于规定大纲级别来匹配结构；自定义通配符匹配方式，用于规定通配符来自定义匹配结构。这些匹配方式可以满足各种常用场景下的用户个性化需求。

格式匹配方式例如：

样式匹配方式例如：

大纲级别匹配方式例如：

自定义通配符匹配方式例如：

图3示出了根据本发明优选实施例的实例化规则的文档结构图，源代码如下：

优选地，只对开放格式文档中各段的段首匹配实例化规则。

优选地，使用实例化规则匹配开放格式文档包括：遍历各个实例化规则；以当前的实例化规则在开放格式文档中定位到内容对象；将定位的内容对象放入堆栈中；将堆栈中的内容对象的样式设置为节点的样式。该过程很容易通过计算机程序来实现，从而取代现有技术中编辑人员的手工操作。图4示出了根据本发明优选实施例的匹配结果的文档结构图。

图5示出了根据本发明实施例的用于实现文档结构化的装置的示意图，包括：

文档获取模块10，用于获取开放格式文档；

规则匹配模块20，用于使用实例化规则匹配开放格式文档；

呈现模块30，用于以文档结构图呈现匹配结果。

本装置提高了数字化管理文稿的效率。

优选地，本装置还包括创建模块，用于预先创建实例化规则，具体包括：获取模块，用于获取规定了样式的schema文件和规定了结构化规则的xml文件；匹配模块，用于将样式中的节点匹配结构化规则；合并模块，用于将各个匹配成功的节点及其匹配的结构化规则组成各个实例化规则。

优选地，本装置还包括：个性化模块，用于对样式中匹配不成功的节点设置结构化规则以生成实例化规则，以及对匹配成功的节点及其匹配的结构化规则所组成的实例化规则进一步设置结构化规则；其中，所设置的结构化规则包括以下至少之一：格式匹配方式，用于规定文字格式来匹配结构；样式匹配方式，用于规定段落样式来匹配结构；大纲级别匹配方式，用于规定大纲级别来匹配结构；自定义通配符匹配方式，用于规定通配符来自定义匹配结构。

优选地，规则匹配模块包括：遍历模块，用于遍历各个实例化规则；定位模块，用于以当前的实例化规则在开放格式文档中定位到内容对象；堆栈模块，用于将定位的内容对象放入堆栈中；结构化模块，用于将堆栈中的内容对象的样式设置为节点的样式。

步骤102、结合业务需要，以步骤101所设计结构化规则xml匹配类型为基础，配置“段首开始”属性，制定出结构化规则xml，本实例所制定的xml结构见图二。

步骤201、根据不同的匹配模式对所需节点进行结构化规则设置。

步骤301、根据步骤201对于已设置结构化规则的节点针对不同的匹配模式重新生成结构化规则xml文件。在本实施例中，所编写的xml文件如下：

从以上的描述中可以看出，本发明可以提高出版物的出版效率，减少编辑的工作量，快速地对内容对象结构规范化。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种用于实现文档结构化的方法，其特征在于，包括：

获取开放格式文档；

使用实例化规则匹配所述开放格式文档，使用实例化规则匹配所述开放格式文档包括：

遍历各个所述实例化规则；

以当前的所述实例化规则在所述开放格式文档中定位到内容对象；

将定位的所述内容对象放入堆栈中；

将所述堆栈中的内容对象的样式设置为所述节点的样式；

以文档结构图呈现所述匹配结果，所述方法还包括预先创建所述实例化规则，具体包括：

获取规定了样式的schema文件和规定了结构化规则的xml文件；

将所述样式中的节点匹配所述结构化规则；

将各个匹配成功的所述节点及其匹配的结构化规则组成各个所述实例化规则。

2.根据权利要求1所述的方法，其特征在于，还包括：

对所述样式中匹配不成功的节点设置结构化规则以生成所述实例化规则；

对匹配成功的所述节点及其匹配的结构化规则所组成的实例化规则进一步设置结构化规则。

3.根据权利要求2所述的方法，其特征在于，所设置的结构化规则包括以下至少之一：

格式匹配方式，用于规定文字格式来匹配结构；

样式匹配方式，用于规定段落样式来匹配结构；

大纲级别匹配方式，用于规定大纲级别来匹配结构；

自定义通配符匹配方式，用于规定通配符来自定义匹配结构。

4.根据权利要求1所述的方法，其特征在于，只对所述开放格式文档中各段的段首匹配所述实例化规则。

5.一种用于实现文档结构化的装置，其特征在于，包括：

文档获取模块，用于获取开放格式文档；

规则匹配模块，用于使用实例化规则匹配所述开放格式文档，所述规则匹配模块包括：

遍历模块，用于遍历各个所述实例化规则；

定位模块，用于以当前的所述实例化规则在所述开放格式文档中定位到内容对象；

堆栈模块，用于将定位的所述内容对象放入堆栈中；

结构化模块，用于将所述堆栈中的内容对象的样式设置为所述节点的样式；

呈现模块，用于以文档结构图呈现所述匹配结果，还包括创建模块，用于预先创建所述实例化规则，具体包括：

获取模块，用于获取规定了样式的schema文件和规定了结构化规则的xml文件；

匹配模块，用于将所述样式中的节点匹配所述结构化规则；

合并模块，用于将各个匹配成功的所述节点及其匹配的结构化规则组成各个所述实例化规则。

6.根据权利要求5所述的装置，其特征在于，还包括：

个性化模块，用于对所述样式中匹配不成功的节点设置结构化规则以生成所述实例化规则，以及对匹配成功的所述节点及其匹配的结构化规则所组成的实例化规则进一步设置结构化规则；

其中，所设置的结构化规则包括以下至少之一：

格式匹配方式，用于规定文字格式来匹配结构；

样式匹配方式，用于规定段落样式来匹配结构；

大纲级别匹配方式，用于规定大纲级别来匹配结构；

自定义通配符匹配方式，用于规定通配符来自定义匹配结构。