一种自动识别文档语义的方法、装置和电子设备与流程

1.本发明涉及结构化文档技术领域，尤其涉及一种自动识别文档语义的方法、装置和电子设备。


背景技术：

2.随着结构化文档在技术文档领域的应用越来越广泛，越来越多的制造型企业选择使用结构化文档作为产品交付文档的编写工具。使用结构化方法编写文档，可以带来诸多好处：可以解决内容片段的重用，确保内容编写修改的一致性；定义内容片段针对于产品的适用范围，确保内容和产品的相关性；制定排版规则，免除手工排版确保发布格式的一致性。结构化文档在技术文档编写中的好处还有很多，就不在此一一列举。正是因为结构化文档的这些优点，对文档质量要求高，并且文档内容管理复杂的制造型企业都在推广基于行业的结构化标准应用，比如：应用于航空的ata2200标准、国防装备的s1000d标准、汽车、高科技电子等普通民用设备的dita(darwin information typing architecture，达尔文信息类型化体系结构)标准。
3.结构化文档的编辑与传统的文档编辑工具相比是有很大不同的。结构化文档的编辑编写人员需要了解结构化标签，并且需要正确使用这些标签才能体现文档结构化的价值，不同的结构化dtd(document type definition，文档类型定义)会定义不同的标签，在编写结构化文档前，文档编写人员需要了解写什么内容，需要使用什么标签，这样在发布后，标签才能被程序正确排版。同时还需要确保文档编写符合xml(extensible markup language，可扩展标记语言)标准，才能确保程序能正确解析文档，处理文档。所以这种编写方式对文档编写人员的要求会比较高，他需要了解基本的结构化文档原理，了解标签语义才具备编写结构化文档的能力。
4.通常企业中，技术文档的编写人员可能是一个特定的文档部门负责，也可能是产品设计人员负责。如果是后者，那么会因为上述原因，增加结构化编写的难度及在企业中的推广力度，以及增加人力资源投入。


技术实现要素：

5.本发明提供了一种自动识别文档语义的方法、装置和电子设备，用以降低结构化文档的编写难度，让结构化标准编写更容易在企业内推广。
6.本说明书实施例提供一种自动识别文档语义的方法，包括：
7.获取配置好的文档类型定义，根据所述文档类型定义确定文档转换逻辑；
8.基于所述文档类型定义、所述文档转换逻辑展示相对应的编辑模板；
9.响应用户对所述编辑模板的编辑操作，当保存编辑操作后的所述编辑模板时，自动识别所述编辑模板中的内容，将识别的所述编辑模板中的内容转化为结构化文档。
10.优选的，所述获取配置好的文档类型定义，包括：
11.根据用户所需文档类型定义的类型配置根节点、模板、资源标签，得到配置好的文
档类型定义。
12.优选的，所述根据所述文档类型定义确定文档转换逻辑，包括：
13.根据所述文档类型定义确定相应的识别标签；
14.对所述识别标签进行分类，基于分类结果确定相应文档转换逻辑。
15.优选的，所述将识别的所述编辑模板中的内容转化为结构化文档，包括：
16.加载默认的转化插件及配置文件中的多个配置插件，
17.按照预设顺序结构对所述配置文件中的多个配置插件与所述编辑模板中的内容进行数据匹配，当数据匹配成功时，根据所述转化插件对每一个配置插件所对应的内容进行格式转化；
18.根据每一个配置插件所属类型对格式转化后的所述每一个配置插件所对应的内容进行组装，得到结构化文档。
19.优选的，所述编辑模板支持自主定制及扩展。
20.本说明书实施例还提供一种自动识别文档语义的装置，包括：
21.信息获取模块，用于获取配置好的文档类型定义，根据所述文档类型定义确定文档转换逻辑；
22.模板展示模块，用于基于所述文档类型定义、所述文档转换逻辑展示相对应的编辑模板；
23.文档转化模块，用于响应用户对所述编辑模板的编辑操作，当保存编辑操作后的所述编辑模板时，自动识别所述编辑模板中的内容，将识别的所述编辑模板中的内容转化为结构化文档。
24.优选的，所述信息获取模块包括：
25.配置单元，用于根据用户所需文档类型定义的类型配置根节点、模板、资源标签，得到配置好的文档类型定义。
26.优选的，所述文档转化模块包括：
27.插件加载单元，用于加载默认的转化插件及配置文件中的多个配置插件，
28.插件匹配单元，用于按照预设顺序结构对所述配置文件中的多个配置插件与所述编辑模板中的内容进行数据匹配，当数据匹配成功时，根据所述转化插件对每一个配置插件所对应的内容进行格式转化；
29.内容组装单元，用于根据每一个配置插件所属类型对格式转化后的所述每一个配置插件所对应的内容进行组装，得到结构化文档。
30.一种电子设备，其中，该电子设备包括：
31.处理器以及存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述任一项所述的方法。
32.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个指令，所述一个或多个指令当被处理器执行时，实现上述任一项所述的方法。
33.本发明结合传统文档编辑器的操作功能，实现结构化文档的编辑，操作容易上手，看起来是所见即所得的效果，文档编写人员可以像使用传统文档编辑器那样编写文档内容，同时提供一些文档模板，帮助编写者在不知不觉中完成结构化文档的编写。在编写过程中，文档编写人员看不到结构化编写的标签，不用担心编写的文档是否符合xml文件标准，
是否使用了正确的标签，只需要按需编写内容即可，这样既能够使用结构化文档带来的文档管理便利，又能够降低编写难度，便于结构化文档在企业中更容易推广。
附图说明
34.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
35.图1为本说明书实施例提供的一种自动识别文档语义的方法的原理示意图；
36.图2为本说明书实施例提供的一种自动识别文档语义的方法的结构化文档保存流程图；
37.图3为本说明书实施例提供的一种自动识别文档语义的方法的结构化文档读取流程图；
38.图4为本说明书实施例提供的一种自动识别文档语义的装置的结构示意图；
39.图5为本说明书实施例提供的一种电子设备的结构示意图；
40.图6为本说明书实施例提供的一种计算机可读介质的原理示意图。
具体实施方式
41.现在将参考附图更全面地描述本发明的示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为本发明仅限于在此阐述的实施例。相反，提供这些示例性实施例能够使得本发明更加全面和完整，更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分，因而将省略对它们的重复描述。
42.在符合本发明的技术构思的前提下，在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
43.在对于具体实施例的描述中，本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是，并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
44.附图中所示的图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
45.附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
46.术语“和/或”或者“及/或”包括相关联的列出项目中的任一个或多者的所有组合。
47.参照图1为本说明书实施例提供的一种自动识别文档语义的方法的原理示意图，包括：
48.s101：获取配置好的文档类型定义，根据所述文档类型定义确定文档转换逻辑；
49.进一步地，所述获取配置好的文档类型定义，包括：
50.根据用户所需文档类型定义的类型配置根节点、模板、资源标签，得到配置好的文档类型定义。
51.进一步地，所述根据所述文档类型定义确定文档转换逻辑，包括：
52.根据所述文档类型定义确定相应的识别标签；
53.对所述识别标签进行分类，基于分类结果确定相应文档转换逻辑。
54.在本发明较佳的实施例中，根据用户所需dtd的类型，申明编辑系统的业务类型，然后进一步配置根节点、模板、资源标签等结构化文档要素信息，得到配置好的文档类型定义，例如，根据topic.dtd，在编辑系统内可以申明系统对应类型，并配置根节点、创建模板、pulbic id等信息，如下表所示：
[0055][0056]
在本发明较佳的实施例中，每个文档可以单独定义页面内各元素的展示逻辑，如topic内可以注册各种识别标签，并且为标签分类，不同类型的标签具备不同的含义及相应的转换逻辑，有些标签用于展示位块状元素，有些标签展示位行内元素，除此之外，可以定义plugin，用于将xml中标签的内容转化为对应的delta的json格式，亦或将delta的json格式的数据转化为相应的xml中标签的内容，优选的，数据结构及格式之间的转换并不限于上述所述的内容，也可以根据用户需求，和/或业务类型等自主配置转化逻辑，以获得需要的文档格式。通过上述文档转换逻辑实现用户编写数据的在保存时的自动转换，实现内容自动转译为结构化标签，降低编写结构化文档的能力要求。如下表为xreftransdeltamodel，用于将xml中xref标签转为对应的delta的json格式，表格如下：
[0057]
[0058][0059]
s102：基于所述文档类型定义、所述文档转换逻辑展示相对应的编辑模板；
[0060]
在本发明较佳的实施例中，当用户打开文档时，编辑系统会根据之前配置好的文档类型定义以及定义得文档转换逻辑展示相应的编辑模板，不同的文档类型定义的配置，和/或不同的文档转换逻辑，对应所展示的编辑模板也各不相同，通过上述方式向用户展示编辑模板，用户可以之间在编辑模板中进行内容的编辑，不必再考虑编写的文档是否符合xml标准，是否使用了正确的标签等问题，只需要按需编写内容即可，最终保存时编辑系统会自动将编写的内容转换为结构化文档，降低在企业推广中结构化文档编写的难度。
[0061]
s103：响应用户对所述编辑模板的编辑操作，当保存编辑操作后的所述编辑模板时，自动识别所述编辑模板中的内容，将识别的所述编辑模板中的内容转化为结构化文档。
[0062]
进一步地，所述将识别的所述编辑模板中的内容转化为结构化文档，包括：
[0063]
加载默认的转化插件及配置文件中的多个配置插件，
[0064]
按照预设顺序结构对所述配置文件中的多个配置插件与所述编辑模板中的内容进行数据匹配，当数据匹配成功时，根据所述转化插件对每一个配置插件所对应的内容进行格式转化；
[0065]
根据每一个配置插件所属类型对格式转化后的所述每一个配置插件所对应的内容进行组装，得到结构化文档。
[0066]
在本发明较佳的实施例中，首先，编辑系统会加载默认的转换插件，例如p标签(段落标签)、b标签、属性等默认解析插件，这些插件均为通用插件，而后加载配置文件中的plugin，配置文件中的插件由于每个类型不一致，会生成不同的格式，保证在编辑器中显示不同结果，而后每个plugin会进行数据匹配，如果匹配成功，将进行数据转换处理，返回对应的xml节点内容或者是delta json内容。最终，根据每一个配置插件所属类型对格式转化后的每个plugin的返回内容进行组装，拼接为一个完整的文档内容，展示到展示页面或者存储为xml文件。
[0067]
参照图2为本说明时提供的一种自动识别文档语义的方法的结构化文档保存流程图，先传入delta结构数据，编辑系统会对delta结构数据进行清洗；加载默认解析插件、加载注册的额外插件、加载客制化解析插件等，然后对这些插件进行顺序匹配，即顺序匹配插件与delta结构数据，当匹配成功时，根据转化插件对其他插件所对应的内容进行格式转化，将delta结构的前端数据转化为xml node，最后根据其他插件所属类型对格式转化后的每一个配置插件所对应的内容进行组装，得到xml文件并输出保存。
[0068]
参照图3为本说明书实施例提供的一种自动识别文档语义的方法的结构化文档读取流程图，当用户需要读取的数据为xml文件，而在编辑系统展示页面展示为delta格式数据时，编辑系统先接收传入的xml文件，然后加载默认解析插件、加载注册的额外插件、加载客制化解析插件等，然后对这些插件进行顺序匹配，即顺序匹配插件与xml文件中的数据，当匹配成功时，根据转化插件对其他插件所对应的内容进行格式转化，将xml文件中的数据转化为delta node，最后根据其他插件所属类型对格式转化后的每一个配置插件所对应的内容进行组装，得到delta文件并输出展示在编辑系统的展示页面，用户可以根据需求进行数据修改、数据添加等操作。本发明结合传统文档编辑器的操作功能，实现结构化文档的编辑，操作容易上手，看起来是所见即所得的效果，文档编写人员可以像使用传统文档编辑器那样编写文档内容，同时提供一些文档模板，帮助编写者在不知不觉中完成结构化文档的编写。在编写过程中，文档编写人员看不到结构化编写的标签，不用担心编写的文档是否符合xml文件标准，是否使用了正确的标签，只需要按需编写内容即可，这样既能够使用结构化文档带来的文档管理便利，又能够降低编写难度，便于结构化文档在企业中更容易推广。
[0069]
进一步地，编辑系统的前端数据采用delta的模式，是一种可以计算增量变化的格式，例如插入、更新、删除等。通过合并计算可以得到最终结果，该数据可以通过前端编辑器渲染为所见即所得的文本内容。delta中可以定义额外的设计元素，可以通过delta的不同属性，展现为前端不同元素的表现，便于用户使用。
[0070]
进一步地，所述编辑模板支持自主定制及扩展。
[0071]
在本发明较佳的实施例中，编写文档时，可按内容语义需要，使用带语义的编写工具，如插入图片、表格、列表、警示信息等内容，实现编辑的内容自动转译为结构化标签，编辑系统支持编辑模板的定制和扩展，便于应用于不同行业的结构化文档标准的需求。为了
提高易用性会模拟类似word的编写功能，比如某些编辑模板中，默认编写的内容就是段落，如果插入列表后，换行后就是列表中的新增列表项，缩进就是新增子列表，以此提高编辑模板的易用性及适用性。为了编写人员可以随时随地编写内容，编辑系统提供实时在线的编写能力，只需要使用浏览器，即可打开编辑系统与企业级内容管理平台集成，获取并在编辑系统中加载结构化文档，为编写提供便利。
[0072]
图4为本说明书实施例提供的一种自动识别文档语义的装置的结构示意图，包括：
[0073]
信息获取模块201，用于获取配置好的文档类型定义，根据所述文档类型定义确定文档转换逻辑；
[0074]
模板展示模块202，用于基于所述文档类型定义、所述文档转换逻辑展示相对应的编辑模板；
[0075]
文档转化模块203，用于响应用户对所述编辑模板的编辑操作，当保存编辑操作后的所述编辑模板时，自动识别所述编辑模板中的内容，将识别的所述编辑模板中的内容转化为结构化文档。
[0076]
进一步地，所述信息获取模块201包括：
[0077]
配置单元，用于根据用户所需文档类型定义的类型配置根节点、模板、资源标签，得到配置好的文档类型定义。
[0078]
进一步地，所述信息获取模块201还包括：
[0079]
标签确定单元，用于根据所述文档类型定义确定相应的识别标签；
[0080]
转换逻辑确定单元，用于对所述识别标签进行分类，基于分类结果确定相应文档转换逻辑。
[0081]
进一步地，所述文档转化模块203包括：
[0082]
插件加载单元，用于加载默认的转化插件及配置文件中的多个配置插件，
[0083]
插件匹配单元，用于按照预设顺序结构对所述配置文件中的多个配置插件与所述编辑模板中的内容进行数据匹配，当数据匹配成功时，根据所述转化插件对每一个配置插件所对应的内容进行格式转化；
[0084]
内容组装单元，用于根据每一个配置插件所属类型对格式转化后的所述每一个配置插件所对应的内容进行组装，得到结构化文档。
[0085]
本发明实施例的装置的功能已经在上述的方法实施例中进行了描述，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此不做赘述。
[0086]
基于同一发明构思，本说明书实施例还提供一种电子设备。
[0087]
下面描述本发明的电子设备实施例，该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节，应视为对于上述方法或装置实施例的补充；对于在本发明电子设备实施例中未披露的细节，可以参照上述方法或装置实施例来实现。
[0088]
参照图5为本说明书实施例提供的一种电子设备的结构示意图。下面参照图5来描述根据本发明该实施例的电子设备300。图5显示的电子设备300仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0089]
如图5所示，电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于：至少一个处理单元310、至少一个存储单元320、连接不同装置组件(包括存储
单元320和处理单元310)的总线330、显示单元340等。
[0090]
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元310执行，使得所述处理单元310执行本说明书上述处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元310可以执行如图1所示的步骤。
[0091]
所述存储单元320可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)3201和/或高速缓存存储单元3202，还可以进一步包括只读存储单元(rom)3203。
[0092]
所述存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204，这样的程序模块3205包括但不限于：操作装置、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
[0093]
总线330可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
[0094]
电子设备300也可以与一个或多个外部设备400(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备300交互的设备通信，和/或与使得该电子设备300能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口350进行。并且，电子设备300还可以通过网络适配器360与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器360可以通过总线330与电子设备300的其它模块通信。应当明白，尽管图5中未示出，可以结合电子设备300使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid装置、磁带驱动器以及数据备份存储装置等。
[0095]
通过以上的实施方式的描述，本领域的技术人员易于理解，本发明描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个计算机可读的存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时，使得该计算机可读介质能够实现本发明的上述方法，即：如图1所示的方法。
[0096]
参照图6为本说明书实施例提供的一种计算机可读介质的原理示意图。
[0097]
实现图1所示方法的计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的装置、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
[0098]
所述计算机可读存储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，其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何
可读介质，该可读介质可以发送、传播或者传输用于由指令执行装置、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
[0099]
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
[0100]
综上所述，本发明可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
[0101]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本发明不与任何特定计算机、虚拟装置或者电子设备固有相关，各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
[0102]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
[0103]
以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。