源文件生成方法、装置、电子设备和计算机可读介质与流程

1.本公开的实施例涉及计算机技术领域，具体涉及源文件生成方法、装置、电子设备和计算机可读介质。


背景技术：

2.目前，为了满足业务需求的快速迭代，上述业务需求往往需要开发多个web前端页面。例如，如新开发的cms(内容管理系统，content management system)需要前端网页的支持，或者紧急上线有关促销活动的web页面。对于前端页面的生成，通常采用的方式为：通过搭建前端代码生成平台，让开发人员或者运营人员通过图形化的用户界面，使用拖拽ui(用户界面，user interface)组件的方式来创建前端网页。
3.然而，当采用上述方式来生成前端页面，经常会存在如下技术问题：
4.现有的前端代码生成平台往往只能支持有限的前端组件样式，当需要添加新的组件样式时，则需要新增该组件样式的代码模版。这样大大降低了平台的灵活易用性，也提高了维护成本。当遇到完全定制化的样式时，存在工作量较大的问题。


技术实现要素：

5.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
6.本公开的一些实施例提出了源文件生成方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
7.第一方面，本公开的一些实施例提供了一种源文件生成方法，包括：将预先获取的视觉稿输入至预先训练的组件识别模型，得到与上述视觉稿相关的各个组件的各个组件信息；将上述各个组件信息进行数据格式转换，得到各个转换后的组件信息；获取预先生成的、各种组件类型对应的源文件模板；根据上述各个转换后的组件信息和上述各个组件类型对应的源文件模板，生成上述各个组件对应的源文件。
8.可选地，上述将预先获取的视觉稿输入至预先训练的组件识别模型，得到与上述视觉稿相关的各个组件的各个组件信息，包括：将上述视觉稿输入至预先训练的用于组件识别的时序神经模型，得到上述各个组件的组件信息。
9.可选地，上述组件信息包括：组件的类型和组件的特征信息；以及上述将上述各个组件信息进行数据格式转换，得到各个转换后的组件信息，包括：将上述各个组件信息中的特征信息进行数据格式转换，得到各个转换后的特征信息。
10.可选地，上述根据上述各个转换后的组件信息和上述各个组件类型对应的源文件模板，生成上述各个组件对应的源文件，包括：利用目标脚本，将上述各个转换后的特征信息中每个转换后的特征信息作为组件参数输入至对应组件类型的源文件模板以生成上述每个转换后的特征信息对应的源文件，得到上述各个组件对应的源文件。
11.可选地，上述组件识别模型是通过以下步骤训练的：确定上述组件识别模型的网络结构以及初始化上述组件识别模型的网络参数；获取训练样本集，其中，上述训练样本集包括组件集组与上述组件集组对应的组件信息集组；将上述训练样本集中的组件集组和组件信息集组分别作为初始组件识别模型的输入和期望输出，利用深度学习方法训练上述初始组件识别模型；将训练得到的上述初始组件识别模型确定为上述组件识别模型。
12.可选地，上述获取训练样本集，包括：获取视觉稿集；对上述视觉稿集中的每个视觉稿进行源文件生成处理以生成上述视觉稿对应的组件集，得到上述视觉稿集对应的组件集组；确定上述组件集组对应的组件信息集组；根据上述组件集组和上述组件信息集组，生成上述训练样本集。
13.可选地，上述利用深度学习方法训练上述初始组件识别模型，包括：利用上述深度学习方法和粒子群优化算法来训练上述初始组件识别模型。
14.第二方面，本公开的一些实施例提供了一种源文件生成装置，包括：输入单元，被配置成将预先获取的视觉稿输入至预先训练的组件识别模型，得到与上述视觉稿相关的各个组件的各个组件信息；转换单元，被配置成将上述各个组件信息进行数据格式转换，得到各个转换后的组件信息；获取单元，被配置成获取预先生成的、各种组件类型对应的源文件模板；生成单元，被配置成根据上述各个转换后的组件信息和上述各个组件类型对应的源文件模板，生成上述各个组件对应的源文件。
15.可选地，输入单元进一步被配置成：将上述视觉稿输入至预先训练的用于组件识别的时序神经模型，得到上述各个组件的组件信息。
16.可选地，上述组件信息包括：组件的类型和组件的特征信息；以及转换单元进一步被配置成：将上述各个组件信息中的特征信息进行数据格式转换，得到各个转换后的特征信息。
17.可选地，生成单元进一步被配置成：利用目标脚本，将上述各个转换后的特征信息中每个转换后的特征信息作为组件参数输入至对应组件类型的源文件模板以生成上述每个转换后的特征信息对应的源文件，得到上述各个组件对应的源文件。
18.第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
19.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
20.本公开的上述各个实施例中具有如下有益效果：可以利用组件识别模型生成该视觉稿相关的各个组件的各个组件信息，以此可以高效、快捷的生成该各个组件对应的源文件。具体来说，现有的前端代码生成平台往往只能支持有限的前端组件样式，当需要添加新的组件样式时，则需要新增该组件样式的代码模版。这样大大降低了平台的灵活易用性，也提高了维护成本。当遇到完全定制化的样式时，存在工作量较大的问题。基于此，本公开的一些实施例的源文件生成方法可以首先将预先获取的视觉稿输入至预先训练的组件识别模型，可以高效、便捷的得到与上述视觉稿相关的各个组件的各个组件信息。在这里，得到的各个组件的各个组件信息用于后续源文件的生成。然后，将上述各个组件信息进行数据格式转换以转换为后续源文件模板的可输入数据格式，得到各个转换后的组件信息。进而，
获取预先生成的、各种组件类型对应的源文件模板。在这里，只需要获取各种组件类型对应的源文件模板，而不需要针对每个组件都生成对应的源文件模板，使得生成源文件更为简便，消耗时间更短。最后，根据上述各个转换后的组件信息和上述各个组件类型对应的源文件模板，可以高效地生成上述各个组件对应的源文件。
附图说明
21.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
22.图1是根据本公开的一些实施例的源文件生成方法的一个应用场景的示意图；
23.图2是根据本公开的源文件生成方法的一些实施例的流程图；
24.图3是根据本公开的一些实施例的源文件生成方法的循环神经网络的网络结构示意图；
25.图4是根据本公开的源文件生成方法的一些实施例中的标签栏组件的样式的示意图；
26.图5是根据本公开的源文件生成方法的另一些实施例的流程图；
27.图6是根据本公开的源文件生成装置的一些实施例的结构示意图；
28.图7是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
29.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开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公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
30.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
31.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
32.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
33.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
34.下面将参考附图并结合实施例来详细说明本公开。
35.图1是根据本公开一些实施例的源文件生成方法的一个应用场景的示意图。
36.在图1的应用场景中，电子设备101可以首先将预先获取的视觉稿102输入至预先训练的组件识别模型103，得到与上述视觉稿102相关的各个组件104的各个组件信息105。在本应用场景中，上述各个组件104中的布局组件1041对应着各个组件信息105中的第一组件信息1051。上述各个组件104中的内容栏组件1042对应着各个组件信息105中的第二组件信息1052。上述各个组件104中的表单组件1043对应着各个组件信息105中的第三组件信息
module)。上述用户界面组件可以包括至少一个具有各自功能的代码段，用于完成用户界面。上述各个组件可以包括多种类型的组件。上述组件的类型可以包括但不限于以下至少一项：内容组件，表单组件，布局组件。其中，上述内容组件可以包括：文本组件、网页组件、按钮组件、图标组件、图片组件、图组组件、进度条组件、日历组件、地图组件。上述表单组件可以包括：文本框组件、数字框组件、日期组件、搜索框组件、提交按钮组件。布局组件包括：页面组件、标题栏组件、标签栏组件、列表组件、网格组件、内容组组件。上述组件识别模型可以是以下之一：支持向量回归(svr，support vector regression)模型，卷积神经网络(convolutional neural networks,cnn)模型。上述组件信息可以是组件的组件类型。还可以是组件在前端页面的位置信息和大小信息。
42.在一些实施例的一些可选的实现方式中，将上述视觉稿输入至预先训练的用于组件识别的时序神经模型，得到上述各个组件的组件信息。其中，上述时序神经网络可以是以下之一：长短期记忆网络(lstm，long short
‑
term memory)，循环神经网络(recurrent neural network,rnn)。
43.其中，长短期神经网络模型可以用于大规模数据分类处理，精度往往高于svr模型和cnn模型。长短期神经网络模型可以是对循环神经网络模型(rnn)模型进行了改进，解决了梯度弥散的问题。长短期记忆模型按照时间维度展开的神经网络结构。lstm相对于rnn能够实现长期记忆，主要在于lstm中最顶层多了一条信息传送带，用于记忆信息的。
44.作为示例，上述长短期记忆网络的网络结构可以参考图3。如图3所示，上述预先训练的长短期记忆网络采用多输入、单输出的网络结构，也可以采用多输入、多输出的网络结构。可以得到特征集合中特征x
t
‑1和x
t
。其中，长短期记忆网络的第一细胞301的输入为x
t
‑1，输出为t
‑
1时刻长短期记忆网络输出值h
t
‑1和t
‑
1时刻的单元状态c
t
‑1。长短期记忆网络的第二细胞302的输入为x
t
，h
t
‑1和c
t
‑1。输出为t时刻长短期记忆网络输出值h
t
和t时刻的单元状态c
t
。需要说明的是，长短期记忆网络中细胞包括三个门：遗忘门，输入门和输出门。
45.其中，遗忘门决定应丢弃或保留哪些信息。来自先前隐藏状态的信息和当前输入的信息同时输入到s型生长曲线(sigmoid)(即图中的σ)函数，输出值处于0和1之间，越接近0意味着越应该忘记，越接近1意味着越应该保留。遗忘门的输出f
t
决定着遗忘哪些数据。
46.其中，遗忘门的输出f
t
可以通过以下公式得到：
47.f
t
＝σ(w
f
·
[h
t
‑1，x
t
] b
f
)
[0048]
在这里，w
f
表示遗忘门的权重矩阵，b
f
表示遗忘门的偏置项，[h
t
‑1，x
t
]表示两个向量连接成一个更长的向量(即向量的拼接)。
[0049]
其中，输入门用来更新单元状态。先将先前隐藏状态的信息和当前输入的信息输入到s型生长曲线函数。在0和1之间调整输出值来决定更新哪些信息。其中，0表示不重要，1表示重要。也可将隐藏状态和当前输入传输给双曲正切(tanh)函数，并在
‑
1和1之间压缩数值以调节网络，然后把双曲正切函数的输出和s型生长曲线函数的输出相乘，s型生长曲线函数的输出将决定在双曲正切函数的输出中哪些信息是重要的且需要进行保留。其中，输入门的输出i
t
可以通过以下公式得到：
[0050]
i
t
＝σ(w
i
·
[h
t
‑1，x
t
] b
i
)
[0051]
在这里，i
t
决定了当前时刻网络的输入x
t
有多少保存到t时刻的单元状态c
t
。w
i
表示输入门的权重矩阵，b
i
表示输入门的偏置项。
[0052]
在这里，用于描述t时刻输入的单元状态可以通过以下公式来确定：
[0053][0054]
在这里，表示t时刻输入的单元状态，w
c
表示输入门的权重矩阵，b
c
表示输入门的偏置项。
[0055]
最后，t时刻的单元状态c
t
是通过以下公式来确定：
[0056][0057]
其中，输出门能决定下个隐藏状态的值，隐藏状态中包含了先前输入的相关信息。当然，隐藏状态也可用于预测。首先把先前的隐藏状态和当前输入传递给s型生长曲线函数；接着把新得到的单元状态传递给双曲正切函数；然后把双曲正切函数的输出和s型生长曲线函数输出相乘，以确定隐藏状态应携带的信息；最后把隐藏状态作为当前单元输出，把新的单元状态和新的隐藏状态传输给下个时间步。输出门的输出h
t
公式如下：
[0058]
o
t
＝σ(w
o
[h
t
‑1，x
t
] b
o
)
[0059]
h
t
＝o
t
*tanh(c
t
)
[0060]
在这里，o
t
表示决定哪些将会被当成t时刻的输出，w
o
表示输出门的权重矩阵，b
o
表示输出门的偏置项，h
t
可以表示为输出门的输出，即t
‑
1时刻到t时刻之间输出的采样特征。
[0061]
可选地，上述组件识别模型是通过以下步骤训练的：
[0062]
第一步，上述执行主体可以确定上述组件识别模型的网络结构以及初始化上述组件识别模型的网络参数。作为示例，上述执行主体可以确定长短期记忆网络的网络结构以及初始化上述长短期记忆网络的网络参数。其中，上述执行主体可以全零初始化长短期记忆网络的网络参数，还可以随机初始化长短期记忆网络的网络参数。
[0063]
第二步，获取训练样本集。其中，上述训练样本集包括组件集组与上述组件集组对应的组件信息集组。上述组件集组中的每个组件存在对应的组件信息。组件信息集组中的组件信息可以包括：组件的样式、组件的尺寸、组件的颜色和组件的位置。
[0064]
作为示例，标签栏组件的样式可以如图4所示。标签栏组件的尺寸可以是：页面横向撑满。标签栏组件的颜色可以是：#dc1 43c和#d8bfd8。上述标签栏组件的位置可以是：顶部，固定位置。
[0065]
第二步，将上述训练样本集中的组件集组和组件信息集组分别作为初始组件识别模型的输入和期望输出，利用深度学习方法训练上述初始组件识别模型。
[0066]
第三步，将训练得到的上述初始组件识别模型确定为上述组件识别模型。
[0067]
可选地，上述执行主体可以利用上述深度学习方法和粒子群优化算法来训练上述初始组件识别模型。
[0068]
其中，可以利用pso(particle swarm optimization)粒子群优化算法(粒子群优化算法)来优化lstm模型的超参数设置。可以表示为具体的d维优化问题，可以代表优化问题在d维空间上的解，对应于粒子群中第i个粒子的位置。可以代表第i个粒子所经历的所有路程上最优的位置，即，其在移动过程中离目标函数最优解最近的位置。可以代表所有粒子经历过的
路程上的最优位置(可以认为是所有个体最优位置当中的最优位置)。可以代表代表粒子i的速度。其中，i可以表示为粒子编码，i＝1，2，3，...，m。d可以表示为维度编号，d＝1，2，3，...，d。每个超参数都将通过不断迭代在空间中寻找自身最优解和全局最优解，整个群体通过以下公式进行速度与位置的迭代更新：
[0069][0070][0071]
其中，ω可以表示为惯性因子。ω可以用来控制继承多少粒子当前速度，ω越大则对于当前速度的继承程度越小，ω越小则对于当前速度的继承程度越大。c1，c2可以是加速常数，取值范围为非负常数。r1，r2可以是0
‑
1之间的随机数。α可以是约束因子，用来控制速度的权重。
[0072]
可选地，上述获取训练样本集，可以包括以下步骤：
[0073]
第一步，上述执行主体可以通过有线方式或无线方式来获取视觉稿集。
[0074]
第二步，对上述视觉稿集中的每个视觉稿进行源文件生成处理以生成上述视觉稿对应的组件集，得到上述视觉稿集对应的组件集组，
[0075]
第三步，确定上述组件集组对应的组件信息集组。作为示例，可以利用图像取证技术来确定上述组件集组对应的组件信息集组。其中，上述图像取证技术可以基于局部噪声特征和相机彩色滤波阵列模式等线索将视觉稿中区域特征进行分类。
[0076]
第四步，根据上述组件集组和上述组件信息集组，生成上述训练样本集。作为示例，上述执行主体可以将组件集组中的每个组件与组件信息集组中对应的组件信息进行连接以生成训练样本，得到训练样本集。其中，上述组件信息集组可以为上述训练样本集的标签集。
[0077]
步骤202，将上述各个组件信息进行数据格式转换，得到各个转换后的组件信息。
[0078]
在一些实施例中，上述执行主体可以将上述各个组件信息进行数据格式转换，得到各个转换后的组件信息。作为示例，上述执行主体可以将上述各个组件信息转换为json格式，得到各个转换后的组件信息。
[0079]
在一些实施例的一些可选的实现方式中，上述组件信息包括：组件的类型和组件的特征信息以及，上述执行主体可以将上述各个组件信息中的特征信息进行数据格式转换，得到各个转换后的特征信息。其中，上述组件的特征信息可以是表征组件的位置，组件的颜色、组件的尺寸的二维数据。
[0080]
步骤203，获取预先生成的、各种组件类型对应的源文件模板。
[0081]
在一些实施例中，上述执行主体可以通过有线方式或无线方式来获取预先生成的、各种组件类型对应的源文件模板。需要指出的是，上述无线连接方式可以包括但不限于3g/4g/5g连接、wifi连接、蓝牙连接、wimax连接、zigbee连接、uwb(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
[0082]
步骤204，根据上述各个转换后的组件信息和上述各个组件类型对应的源文件模板，生成上述各个组件对应的源文件。
[0083]
在一些实施例中，上述执行主体可以根据上述各个转换后的组件信息和上述各个
组件类型对应的源文件模板，通过各种方式来生成上述各个组件对应的源文件。其中，上述源文件可以是将汇编语言或高级语言编写出来的代码保存为文件后的结果。
[0084]
本公开的上述各个实施例中具有如下有益效果：可以利用组件识别模型生成该视觉稿相关的各个组件的各个组件信息，以此可以高效、快捷的生成该各个组件对应的源文件。具体来说，现有的前端代码生成平台往往只能支持有限的前端组件样式，当需要添加新的组件样式时，则需要新增该组件样式的代码模版。这样大大降低了平台的灵活易用性，也提高了维护成本。当遇到完全定制化的样式时，存在工作量较大的问题。基于此，本公开的一些实施例的源文件生成方法可以首先将预先获取的视觉稿输入至预先训练的组件识别模型，可以高效、便捷的得到与上述视觉稿相关的各个组件的各个组件信息。在这里，得到的各个组件的各个组件信息用于后续源文件的生成。然后，将上述各个组件信息进行数据格式转换以转换为后续源文件模板的可输入数据格式，得到各个转换后的组件信息。进而，获取预先生成的、各种组件类型对应的源文件模板。在这里，只需要获取各种组件类型对应的源文件模板，而不需要针对每个组件都生成对应的源文件模板，使得生成源文件更为简便，消耗时间更短。最后，根据上述各个转换后的组件信息和上述各个组件类型对应的源文件模板，可以高效地生成上述各个组件对应的源文件。
[0085]
进一步参考图5，示出了根据本公开的源文件生成方法的另一些实施例的流程500。该源文件生成方法，包括以下步骤：
[0086]
步骤501，将预先获取的视觉稿输入至预先训练的组件识别模型，得到与上述视觉稿相关的各个组件的各个组件信息。
[0087]
步骤502，将上述各个组件信息进行数据格式转换，得到各个转换后的组件信息。
[0088]
步骤503，获取预先生成的、各种组件类型对应的源文件模板。
[0089]
在一些实施例中，步骤501
‑
503的具体实现及其所带来的技术效果，可以参考图2对应的实施例中的步骤201
‑
203，在此不再赘述。
[0090]
步骤504，利用目标脚本，将上述各个转换后的特征信息中每个转换后的特征信息作为组件参数输入至对应组件类型的源文件模板以生成上述每个转换后的特征信息对应的源文件，得到上述各个组件对应的源文件。
[0091]
在一些实施例中，执行主体(例如图1所示的电子设备)可以利用目标脚本，将上述各个转换后的特征信息中每个转换后的特征信息作为组件参数输入至对应组件类型的源文件模板以生成上述每个转换后的特征信息对应的源文件，得到上述各个组件对应的源文件。其中，上述目标脚本可以是预先编辑的、用于特征信息与参数进行转化的脚本。
[0092]
从图5中可以看出，与图2对应的一些实施例的描述相比，图5对应的一些实施例中的源文件生成方法的流程500更加突出了根据上述各个转换后的组件信息和上述各个组件类型对应的源文件模板，生成上述各个组件对应的源文件的具体步骤。由此，这些实施例描述的方案通过利用目标脚本来将特征信息作为组件参数，进而，高效、精准的生成上述各个组件对应的源文件。
[0093]
进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种源文件生成装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0094]
如图6所示，一种源文件生成装置600包括：输入单元601、转换单元602、获取单元
603和生成单元604。其中，输入单元601被配置成：将预先获取的视觉稿输入至预先训练的组件识别模型，得到与上述视觉稿相关的各个组件的各个组件信息。转换单元602被配置成：将上述各个组件信息进行数据格式转换，得到各个转换后的组件信息。获取单元603被配置成：获取预先生成的、各种组件类型对应的源文件模板；生成单元604被配置成：根据上述各个转换后的组件信息和上述各个组件类型对应的源文件模板，生成上述各个组件对应的源文件。
[0095]
在一些实施例的一些可选的实现方式中，上述源文件生成装置600中的输入单元601可以进一步被配置成：将上述视觉稿输入至预先训练的用于组件识别的时序神经模型，得到上述各个组件的组件信息。
[0096]
在一些实施例的一些可选的实现方式中，上述组件信息包括：组件的类型和组件的特征信息；以及上述源文件生成装置600中的转换单元602可以进一步被配置成：将上述各个组件信息中的特征信息进行数据格式转换，得到各个转换后的特征信息。
[0097]
在一些实施例的一些可选的实现方式中，上述源文件生成装置600中的生成单元604可以进一步被配置成：利用目标脚本，将上述各个转换后的特征信息中每个转换后的特征信息作为组件参数输入至对应组件类型的源文件模板以生成上述每个转换后的特征信息对应的源文件，得到上述各个组件对应的源文件。
[0098]
可以理解的是，该装置600中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置600及其中包含的单元，在此不再赘述。
[0099]
下面参考图7，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的电子设备)700的结构示意图。图7示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
[0100]
如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(rom)702中的程序或者从存储装置708加载到随机访问存储器(ram)703中的程序而执行各种适当的动作和处理。在ram 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、rom 702以及ram 703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。
[0101]
通常，以下装置可以连接至i/o接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图7中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
[0102]
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从rom 702被安装。在该计算机程序被处理装置701执行时，执行
本公开的一些实施例的方法中限定的上述功能。
[0103]
需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd
‑
rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0104]
在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
[0105]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：将预先获取的视觉稿输入至预先训练的组件识别模型，得到与上述视觉稿相关的各个组件的各个组件信息；将上述各个组件信息进行数据格式转换，得到各个转换后的组件信息；获取预先生成的、各种组件类型对应的源文件模板；根据上述各个转换后的组件信息和上述各个组件类型对应的源文件模板，生成上述各个组件对应的源文件。
[0106]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言
‑
诸如java、smalltalk、c ，还包括常规的过程式程序设计语言
‑
诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0107]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用
于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0108]
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括输入单元、转换单元、获取单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取预先生成的、各种组件类型对应的源文件模板的单元”。
[0109]
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
[0110]
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。