[發(fā)明專利]文本比對(duì)方法、裝置、介質(zhì)及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202110571704.4
• 申請(qǐng)日: 2021-05-25
• 公開（公告）號(hào): CN113407665A
• 公開（公告）日: 2021-09-17
• 發(fā)明（設(shè)計(jì)）人: 莊妮;陳露露;黃燦;王長(zhǎng)虎
• 申請(qǐng)（專利權(quán)）人: 北京有竹居網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號(hào): G06F16/33
• 分類號(hào): G06F16/33;G06K9/62
• 代理公司: 北京英創(chuàng)嘉友知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11447
• 代理人: 賈會(huì)玲

1.一種文本比對(duì)方法，其特征在于，所述方法包括：

獲取原始文本文件和比對(duì)文本文件；

根據(jù)所述原始文本文件和所述比對(duì)文本文件分別獲取由原始文本構(gòu)成的第一字符串和由比對(duì)文本構(gòu)成的第二字符串；

將所述第一字符串和所述第二字符串進(jìn)行比對(duì)，確定比對(duì)結(jié)果；

將所述比對(duì)結(jié)果分別顯示在所述原始文本文件和/或所述比對(duì)文本文件中。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述比對(duì)結(jié)果為一個(gè)或多個(gè)標(biāo)簽數(shù)據(jù)，所述標(biāo)簽數(shù)據(jù)中包括標(biāo)簽類型和標(biāo)簽位置。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述標(biāo)簽位置包括所述標(biāo)簽數(shù)據(jù)在所述第一字符串中對(duì)應(yīng)的第一文本的起止字符位置，以及所述標(biāo)簽數(shù)據(jù)在所述第二字符串中對(duì)應(yīng)的第二文本的起止字符位置，所述第一文本的起止字符位置和所述第二文本的起止字符位置分別為所述標(biāo)簽位置在所述第一字符串和所述第二字符串中的起止字符偏移值。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述標(biāo)簽類型包括以下四種類型中的一種或多種：相同、替換、刪除和插入。

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，在對(duì)所述比對(duì)結(jié)果進(jìn)行顯示之前，所述方法還包括：

根據(jù)所述標(biāo)簽數(shù)據(jù)中的所述標(biāo)簽類型確定所述標(biāo)簽數(shù)據(jù)所對(duì)應(yīng)的目標(biāo)文件，所述目標(biāo)文件中包括所述原始文本文件和/或所述比對(duì)文本文件；

所述將所述比對(duì)結(jié)果分別顯示在所述原始文本文件和/或所述比對(duì)文本文件中包括：

將所述標(biāo)簽數(shù)據(jù)分別顯示在與所述標(biāo)簽數(shù)據(jù)對(duì)應(yīng)的所述目標(biāo)文件中。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述方法還包括：

獲取所述原始文本文件和所述比對(duì)文本文件的頁面信息；

所述將所述標(biāo)簽數(shù)據(jù)分別顯示在與所述標(biāo)簽數(shù)據(jù)對(duì)應(yīng)的所述目標(biāo)文件中包括：

通過所述頁面信息和所述標(biāo)簽位置確定所述標(biāo)簽數(shù)據(jù)與對(duì)應(yīng)的所述目標(biāo)文件之間的映射關(guān)系；

根據(jù)所述映射關(guān)系將所述標(biāo)簽數(shù)據(jù)分別映射至對(duì)應(yīng)的所述目標(biāo)文件中進(jìn)行顯示。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述頁面信息包括文件頁碼、每頁文件中所包括的字符總數(shù)量、每頁文件中包括的文本行行數(shù)以及每個(gè)文本行所包括的字符數(shù)量；所述根據(jù)所述映射關(guān)系將所述標(biāo)簽數(shù)據(jù)分別映射至對(duì)應(yīng)的所述目標(biāo)文件中進(jìn)行顯示包括：

根據(jù)所述文件頁碼和每頁文件中所包括的所述字符總數(shù)量，確定所述標(biāo)簽數(shù)據(jù)對(duì)應(yīng)的文件頁碼；

根據(jù)每頁文件中包括的所述文本行行數(shù)以及每個(gè)所述文本行所包括的字符數(shù)量，確定所述標(biāo)簽數(shù)據(jù)對(duì)應(yīng)的文本行；

根據(jù)所述標(biāo)簽數(shù)據(jù)對(duì)應(yīng)的文件頁碼、所述標(biāo)簽數(shù)據(jù)對(duì)應(yīng)的文本行和所述標(biāo)簽位置計(jì)算所述標(biāo)簽數(shù)據(jù)在對(duì)應(yīng)的所述目標(biāo)文件中的位置以對(duì)所述標(biāo)簽數(shù)據(jù)進(jìn)行顯示。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述原始文本文件和所述比對(duì)文本文件分別獲取由原始文本構(gòu)成的第一字符串和由比對(duì)文本構(gòu)成的第二字符串包括：

將所述原始文本文件和所述比對(duì)文本文件轉(zhuǎn)換為一張或多張圖像格式文件；

對(duì)所述圖像格式文件進(jìn)行文字識(shí)別，得到各張圖像格式文件對(duì)應(yīng)的文本信息；

按照所述圖像格式文件在所述原始文本文件或比對(duì)文本文件中對(duì)應(yīng)的頁碼順序，將所述圖像格式文件對(duì)應(yīng)的所述文本信息進(jìn)行拼接，以得到所述原始文本文件和所述比對(duì)文本文件分別對(duì)應(yīng)的所述第一字符串和所述第二字符串。

9.一種文本比對(duì)裝置，其特征在于，所述裝置包括：

第一獲取模塊，用于獲取原始文本文件和比對(duì)文本文件；

第二獲取模塊，用于根據(jù)所述原始文本文件和所述比對(duì)文本文件分別獲取由原始文本構(gòu)成的第一字符串和由比對(duì)文本構(gòu)成的第二字符串；

比對(duì)模塊，用于將所述第一字符串和所述第二字符串進(jìn)行比對(duì)，確定比對(duì)結(jié)果；

處理模塊，用于將所述比對(duì)結(jié)果顯示在所述原始文本文件和/或所述比對(duì)文本文件中。