[发明专利]一种文件检测方法及其装置

权利要求书

1.一种文件检测方法，其特征在于：

包括：

S1：通过解析二进制指令，将PDF文件的内容解析为带标记的文本、表格和图片，同时记录文字的字体和字号信息，表格和图片的位置信息；

S2：根据解析后的文档的字号大小得到相应章节的层级，根据章节层级的高低，建立文档章节树；

S3：根据监管机构要求披露的信息建立规则执行库；

S4：根据监管机构要求披露的信息的章节建立根节点及子节点，并根据相应节点下的规则执行库的信息建立文档规则树；

S5：将文档规则树与文档章节树进行匹配，对文本内容按照相应的规则树下的根节点及子节点的规则执行库进行比对；

S6：输出文档中与规则执行库不符的内容。

2.根据权利要求1所述的文件检测方法，其特征在于：

解析二进制指令时通过PDF文件内的指令流解析出相应的文本、表格和图片。

3.根据权利要求2所述的文件检测方法，其特征在于：

解析二进制指令时根据PDF文件的线条位置解析相应的表格结构并将表格的内容存储为二维数组同时记录表格在文档中的位置。

4.根据权利要求1所述的文件检测方法，其特征在于：

解析二进制指令时将PDF文件内的图片单独存储，并在相应的文档上标记引用相应图片的指令。

5.根据权利要求1所述的文件检测方法，其特征在于：

在文档规则树与文档章节树进行匹配时，首先检测根节点是否匹配，然后检测子节点是否匹配；

所述子节点下包括该子节点的下一级子节点时，将下一级的子节点作为输入信息与文档规则树进行匹配。

6.根据权利要求1所述的文件检测方法，其特征在于：

I1在对比时，输入两个同级别节点，其中一个为文档章节树节点，另一个为规则树节点；

I2判断文档章节树节点和规则树节点是否匹配，如果匹配，标记章节树节点为匹配节点；如果不匹配，标记章节树的节点为不匹配节点；

I3如果文档章节树节点和规则树节点有子节点，则该子节点仍为同级别节点，将所有子节点成对依次作为输入，转入步骤I1；如果没有，进入步骤I4；

I4输出检查结果。

7.一种文件检测装置，其特征在于：

包括：

文件解析单元，所述文件解析单元通过解析二进制指令，将PDF文件的内容解析为带标记的文本、表格和图片，同时记录文字的字体和字号信息，表格和图片的位置信息；

文档章节树配置单元，所述文档章节树配置单元用于根据解析后的文档的字号大小得到相应章节的层级，根据层级的高低配置章节的层级根节点及子节点，建立文档章节树；

规则执行库单元，所述规则执行库单元根据监管机构要求披露的信息建立；

文档规则树单元，所述文档规则树单元根据监管机构要求披露的信息的章节建立根节点及子节点，并根据相应节点下的规则执行库的信息建立文档规则树；

比较单元，所述比较单元用于将文档规则树与文档章节树进行匹配，对文本内容按照相应的规则树下的根节点及子节点的规则执行库进行比对；

输出单元，所述输出单元用于输出文档中与规则执行库单元不符的内容。

8.根据权利要求7所述的文件检测装置，其特征在于：

所述文件解析单元在解析二进制指令时：

通过PDF文件内的指令流解析出相应的文本、表格和图片；

根据PDF文件的线条位置解析相应的表格结构并将表格的内容存储为二维数组同时记录表格在文档中的位置；

将PDF文件内的图片单独存储，并在相应的文档上标记引用相应图片的指令。

9.根据权利要求7所述的文件检测装置，其特征在于：

所述比较单元在进行文档规则树与文档章节树匹配时，首先检测根节点是否匹配，然后检测子节点是否匹配。

10.根据权利要求7所述的文件检测装置，其特征在于：

所述子节点下包括该子节点的下一级子节点时，将下一级的子节点的第一个节点作为输入信息与文档规则树进行匹配。