[發明專利]一種結構化文本的比較方法和裝置

有效

• 申請號: 202010300523.3
• 申請日: 2020-04-16
• 公開（公告）號: CN111506608B
• 公開（公告）日: 2023-06-16
• 發明（設計）人: 丁笑天
• 申請（專利權）人: 泰康保險集團股份有限公司
• 主分類號: G06F16/2455
• 分類號: G06F16/2455;G06F16/28
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 李陽;趙迪

本發明公開了一種結構化文本的比較方法和裝置，涉及計算機技術領域。該方法的一具體實施方式包括：分別獲取第一結構化文本和第二結構化文本的鍵值對，判斷鍵值對的鍵值的數據類型；如果鍵值的數據類型為對象，則將歸屬于第一結構化文本的鍵值作為第一對象存儲到第一對象列表，將歸屬于第二結構化文本的鍵值作為第二對象存儲到第二對象列表；分別計算第一對象列表中至少一個第一對象與第二對象列表中至少一個第二對象的匹配度，以根據匹配度，為至少一個第一對象分別確定第一目標匹配組合；將第一目標匹配組合中第一對象所包括的鍵值對與第二對象所包括的鍵值對進行比較，得到對象比較結果。該方法能夠準確評估兩份結構化文本的匹配情況。

技術領域

本發明涉及計算機領域，尤其涉及一種結構化文本的比較方法和裝置。

背景技術

結構化文本一般由鍵名(Key)和鍵值(Value)組成，能夠表達結構化信息(即Key-Value對組成的信息)，這種文本既易于人閱讀和編寫，也易于機器的生成和解析。典型的結構化文本是JSON(JavaScript?Object?Notation，JS對象簡譜)格式文本和XML(ExtensibleMarkup?Language，可擴展標記語言)格式文本。其中，JSON是一種輕量級的數據交換格式，其鍵值對的鍵值包含的數據類型有：數字、字符串、布爾類型、對象、數組、空。

在保險、銀行業的很多場合中，經常需要比較兩份結構化文本內容的一致性，例如各種單據、票據的雙錄工作中，需要比較錄入的兩份文本內容，以校驗錄入結果。現有技術中在比較兩份結構化文本時，通常以Key為索引，查找到對應的Value后進行對比。

在實現本發明過程中，發明人發現現有技術中至少存在如下問題：

對于對象和數組來說，由于兩份結構化文本中的元素順序和元素個數可能不同，使用傳統的數組順序比較方法，會存在錯序比較，以及找到的匹配組合并非最佳匹配組合的問題。

發明內容

有鑒于此，本發明實施例提供一種結構化文本的比較方法和裝置，對于第一結構化文本的每個對象，分別計算其與第二結構化文本的每個對象之間的匹配度，根據匹配度確定第一目標匹配組合，進而將第一目標匹配組合中的兩個對象進行進一步比較，使得本申請在對象元素存在錯序、個數不同時，也能夠快速地進行最優化模糊比較，準確評估兩份結構化文本是否匹配以及匹配程度。

為實現上述目的，根據本發明實施例的一個方面，提供了一種結構化文本的比較方法。

本發明實施例的一種結構化文本的比較方法，包括：分別獲取第一結構化文本和第二結構化文本的鍵值對，判斷所述鍵值對的鍵值的數據類型；如果所述鍵值的數據類型為對象，則將歸屬于所述第一結構化文本的鍵值作為第一對象存儲到第一對象列表，將歸屬于所述第二結構化文本的鍵值作為第二對象存儲到第二對象列表；分別計算所述第一對象列表中至少一個所述第一對象與所述第二對象列表中至少一個所述第二對象的匹配度，以根據所述匹配度，為至少一個所述第一對象分別確定第一目標匹配組合；將所述第一目標匹配組合中所述第一對象所包括的鍵值對與所述第二對象所包括的鍵值對依次進行比較，得到對象比較結果。

可選地，所述第一對象和所述第二對象的匹配度為：所述第一對象所包括的至少一個鍵值對與所述第二對象所包括的至少一個鍵值對之間的匹配分值之和；所述第一對象的當前鍵值對與所述第二對象所包括的至少一個的鍵值對之間的匹配分值的計算方式如下：以所述當前鍵值對的鍵名為索引，在所述第二對象中進行查詢；如果所述第二對象中不存在與所述鍵名相同的鍵名，或者所述第二對象中存在與所述鍵名相同的鍵名，但對應的兩個鍵值的數據類型不同，則所述匹配分值為第一標識；如果所述第二對象中存在與所述鍵名相同的鍵名，且對應的兩個鍵值的數據類型相同，則所述兩個鍵值相等時，所述匹配分值為第二標識；所述兩個鍵值不相等時，根據所述數據類型確定所述匹配分值。