一种基于文档语义树与版式约束规则的标准文档自动生成方法及系统与流程
本发明涉及标准文档自动生成,特别是一种基于文档语义树与版式约束规则的标准文档自动生成方法及系统。
背景技术:
1、在标准文档、项目过程文档、评审文档以及质量管理类文档的编制过程中,目标文档通常不仅包含用户编辑形成的富文本正文,还包含从数据库获取的项目基础数据、文档元数据、文档类型数据、项目阶段数据、模板字段数据、审签数据和资源索引数据等结构化业务数据。因此,标准文档生成过程需要同时满足多源数据完整性、章节层级规范性、图表公式编号一致性、资源引用有效性以及版式符合性等要求,现有处理方式多依赖人工编辑、模板复制或通用富文本导出,存在以下问题:
2、第一,人工编辑方式依赖编写人员对目标标准文档版式规范的理解,标题层级、段落缩进、图表位置、页眉页脚、审签区域和附录区域等版式内容容易出现不一致,文档返工成本较高;
3、第二,通用富文本导出通常以显示结果为中心,缺少面向标准文档排版的中间语义描述,富文本中的标题、文本、图片、表格、公式、编号、引用和资源路径在导出过程中容易退化为普通文本或普通对象,导致后续排版、编号重算和校验难以稳定进行;
4、第三,单纯采用固定模板填充的方式通常将数据库字段替换为普通字符串,难以保持项目数据、文档属性、审签信息、资源索引和富文本正文之间的语义关联,当模板字段、富文本章节或项目阶段发生变化时,容易出现字段漏填、字段位置错误、资源路径失效或同一数据在正文和版式区域中不一致的问题;
5、第四,现有固定模板填充方式难以处理章节层级跳跃、图表公式跨章节编号、资源路径转换、表格边界控制、多轮引用收敛和版式一致性校验等复杂场景,当文档类型、项目阶段或节点上下文发生变化时,固定模板难以确定适合当前节点的目标版式片段;
6、第五,现有生成流程中编辑数据、数据库业务数据、排版中间数据、目标文档解析结果和错误反馈之间缺少统一的节点级关联标识,当生成失败、资源缺失、字段缺失、编号错误或版式不符合要求时,系统难以将错误结果回溯至源富文本内容或源数据库字段。
技术实现思路
1、本发明的目的在于克服现有技术标准文档生成过程中多源数据难以统一装配、富文本语义易丢失、章节结构难以修复、版式规则难以按上下文准确匹配、固定版式排版不稳定以及错误结果难以回溯的缺点,提供一种基于文档语义树与版式约束规则的标准文档自动生成方法及系统。
2、本发明的目的通过以下技术方案来实现:一种基于文档语义树与版式约束规则的标准文档自动生成方法,包括以下步骤:
3、s1:获取目标文档生成请求,根据目标文档生成请求确定文档标识和项目标识;
4、s2:根据文档标识和项目标识从数据库获取目标文档对应的富文本操作序列、结构化业务数据和资源索引数据;
5、s3:根据富文本操作序列中的文本操作、换行操作、属性操作和嵌入对象操作生成富文本语义节点,将结构化业务数据绑定为文档属性节点、占位字段节点或元数据节点,并根据资源索引数据生成资源节点,得到带节点标识的中间语义模型;
6、s4:根据语义节点的层级属性、位置属性和对象类型构建文档语义树,并基于文档语义树确定章节关系和对象归属关系;
7、s5:根据文档类型、项目阶段、语义节点类型和语义节点在文档语义树中的节点上下文匹配信息,从版式约束规则库中确定对应的目标版式片段;
8、s6:根据目标版式片段将文档语义树转换为排版中间文档;
9、s7:基于排版中间文档生成符合目标标准文档版式规范的固定版式目标文档,并进行版式一致性校验。
10、优选的,步骤s2中,结构化业务数据包括项目基础数据、文档元数据、文档类型数据、项目阶段数据、模板字段数据、审签数据和资源索引数据中的至少一种。
11、优选的,步骤s3中,语义节点包括节点标识、节点类型、节点内容、层级属性、位置属性和数据来源属性;语义节点还包括布局属性、资源属性、编号属性和引用标识中的至少一种;其中,数据来源属性用于区分富文本操作序列、结构化业务数据或资源索引数据,节点标识用于在富文本操作序列、结构化业务数据、数据库存储数据、排版中间文档、固定版式目标文档解析结果和校验反馈结果之间建立关联关系。
12、优选的,步骤s4中,构建文档语义树的具体步骤为:
13、s41:按照语义节点的位置属性遍历中间语义模型,并维护标题节点栈;
14、s42:当遍历到标题节点时,根据当前标题节点的层级属性与标题节点栈顶部标题节点的层级属性计算层级差值;
15、s43:当层级差值等于一级时,将当前标题节点挂接为标题节点栈顶部标题节点的子节点;
16、当当前标题节点与标题节点栈顶部标题节点处于相同层级时,将当前标题节点挂接为标题节点栈顶部标题节点的兄弟节点;
17、当当前标题节点相对于标题节点栈顶部标题节点发生层级回退时,从标题节点栈中回溯至对应层级的父节点,并将当前标题节点挂接至父节点下;
18、当当前标题节点相对于标题节点栈顶部标题节点发生跨级跳跃时,根据最近上级标题节点生成缺失层级对应的虚拟标题节点,并将当前标题节点挂接至虚拟标题节点下;
19、s44:当遍历到非标题节点时,将非标题节点挂接至标题节点栈中最近的有效标题节点下。
20、优选的,步骤s4中,基于文档语义树生成字段绑定关系、章节编号、对象编号和引用标识之间的对应关系;
21、字段绑定关系用于描述占位字段节点、文档属性节点或元数据节点与结构化业务数据之间的对应关系;
22、对象编号包括图片编号、表格编号和公式编号中的至少一种,当语义节点发生增加、删除、移动、字段值变更或层级变更时,根据变更后的文档语义树重新计算字段绑定关系、章节编号、对象编号和引用标识之间的对应关系,并将重新计算后的字段绑定属性、编号属性和引用标识回写至对应语义节点及排版中间文档。
23、优选的,步骤s5中,版式约束规则库包括多个版式约束规则,每个版式约束规则包括规则标识、适用文档类型、适用项目阶段、适用语义节点类型、适用数据来源、适用节点上下文、规则优先级和版式片段;节点上下文匹配信息包括父节点类型、前置节点类型、后置节点类型、章节位置、字段绑定状态、对象编号状态、资源状态和目标文档区域中的至少一种;当多个版式约束规则同时匹配同一语义节点时,根据规则优先级确定目标版式规则;当不存在匹配规则时,采用默认版式规则。
24、优选的,步骤s7中,在生成固定版式目标文档之前,对资源节点进行可追踪处理;其中,资源节点为包含资源显示地址或长期存储路径的语义节点,可追踪处理具体为:根据资源节点的节点标识和长期存储路径获取资源文件,为资源文件生成与当前生成任务对应的临时资源路径,建立资源节点的节点标识、长期存储路径、临时资源路径和排版中间文档中资源引用位置之间的资源映射关系。
25、优选的,步骤s7中,生成固定版式目标文档的具体步骤为:
26、s71:根据当前生成任务的任务标识创建生成隔离目录,生成隔离目录包括排版中间文档目录、资源目录、日志目录和输出目录;
27、s72:在每轮生成或编译后读取辅助索引文件,并比较相邻两轮辅助索引文件中的目录信息、页码信息、对象编号信息或引用信息;
28、s73:当相邻两轮辅助索引文件中的对应信息不再变化时,判定生成或编译过程收敛;当达到最大轮次或出现不可恢复错误时,结束生成或编译过程,并生成相应的输出结果或失败反馈。
29、优选的,步骤s7中,版式一致性校验包括字段完整性校验、标题层级校验、编号连续性校验、资源引用校验、表格边界校验、图片尺寸校验、页眉页脚校验、字号行距校验和审签区域校验中的至少一种;
30、根据固定版式目标文档的解析结果、排版中间文档中的语义节点信息、生成日志信息、字段绑定关系和资源映射关系,生成版式一致性校验结果,版式一致性校验结果包括错误类型、错误位置、关联语义节点标识、关联数据库字段标识、关联版式规则标识和反馈信息中的至少一种,以将固定版式目标文档中的字段错误、版式错误、资源错误或编号引用错误回溯至对应语义节点或源数据库字段。
31、一种基于文档语义树与版式约束规则的标准文档自动生成系统,包括上述基于文档语义树与版式约束规则的标准文档自动生成方法,还包括数据获取与装配模块、中间语义模型构建模块、文档语义树构建模块、编号引用同步模块、版式约束映射模块、资源可追踪处理模块、目标文档生成模块和校验反馈模块;
32、数据获取与装配模块用于根据目标文档生成请求确定文档标识和项目标识,并根据文档标识和项目标识从数据库获取目标文档对应的富文本操作序列、结构化业务数据和资源索引数据;
33、中间语义模型构建模块用于根据所述富文本操作序列生成富文本语义节点,将结构化业务数据绑定为文档属性节点、占位字段节点或元数据节点,并根据资源索引数据生成资源节点,得到带节点标识的多个语义节点;
34、文档语义树构建模块用于根据语义节点的层级属性、位置属性和对象类型,利用标题节点栈和层级差值判断构建文档语义树,并在标题层级跨级跳跃时生成虚拟标题节点;
35、编号引用同步模块用于基于文档语义树生成章节编号、对象编号和引用标识之间的对应关系,并在语义节点发生增加、删除、移动或层级变更时重新计算并回写对应关系;
36、版式约束映射模块用于根据文档类型、项目阶段、语义节点类型以及节点上下文匹配信息,从版式约束规则库中确定目标版式片段,并将文档语义树转换为排版中间文档;
37、资源可追踪处理模块用于根据资源节点的节点标识和长期存储路径获取资源文件,并建立资源节点标识、长期存储路径、临时资源路径和排版中间文档中资源引用位置之间的资源映射关系;
38、目标文档生成模块用于基于任务标识创建生成隔离目录,基于排版中间文档生成固定版式目标文档,并根据辅助索引文件判断多轮生成或编译过程是否收敛;
39、校验反馈模块用于根据固定版式目标文档的解析结果、排版中间文档中的语义节点信息、生成日志信息和资源映射关系生成版式一致性校验结果,并将错误结果回溯至对应语义节点标识和版式规则标识。
40、本发明具有以下优点:
41、1、本发明根据文档标识和项目标识获取富文本操作序列、结构化业务数据和资源索引数据,并将其分别绑定为富文本语义节点、文档属性节点、占位字段节点、元数据节点和资源节点,使多源数据能够在同一中间语义模型中统一描述,从而避免富文本内容和数据库业务数据难以统一装配。
42、2、本发明通过带节点标识的中间语义模型保存标题、文本、图片、表格、公式、编号、引用、资源路径和数据库字段来源等语义属性,使编辑语义、业务数据语义、存储语义、排版语义和校验语义能够在同一节点链路上保持一致,避免了富文本内容在导出过程中语义易丢失。
43、3、本发明通过标题节点栈和层级差值判断构建可修复文档语义树,使标题父子关系、兄弟关系和内容节点归属关系能够被自动修复,避免了章节层级缺失、跳跃或回退导致文档结构不稳定。
44、4、本发明通过上下文匹配向量和规则优先级机制确定目标版式片段,使同一节点类型在不同章节位置、字段来源、对象状态或目标文档区域中能够匹配不同版式要求。
45、5、本发明通过语义节点标识建立资源节点、长期存储路径、临时资源路径和排版中间文档资源引用位置之间的资源映射关系,提高资源引用的可靠性和错误定位能力。
46、6、本发明通过辅助索引文件判断多轮生成或编译过程是否收敛,并通过至少一种版式一致性校验将错误结果回溯到语义节点和版式规则,提高生成结果的可验证性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com