[发明专利]文档比对方法、装置、存储介质、电子设备

说明书

本公开涉及一种文档比对方法、装置、存储介质、电子设备，所述方法包括：获取第一文档和第二文档中的文字内容；确定所述第一文档的文字内容和所述第二文档的文字内容之间的共通数据块，得到属于所述第一文档的第一共通数据块序列以及属于所述第二文档的第二共通数据块序列；根据所述第一文档中文字属性信息的索引，确定所述第一共通数据块序列的文字属性信息，并根据所述第二文档中文字属性信息的索引，确定所述第二共通数据块序列的文字属性信息；对比所述第一共通数据块序列的文字属性信息与所述第二共通数据块序列的文字属性信息，得到所述第一文档和所述第二文档之间的所述共通数据块的属性差异信息。

技术领域

本公开涉及文档内容处理领域，具体地，涉及一种文档比对方法、装置、存储介质、电子设备。

背景技术

在日常应用中，文档的比较是一个存在于很多场景的需求，例如对两篇文章进行对比，对两个脚本文件中的代码进行对比等等。通常，文档的比较是为了寻找出不同文档之间的相关性和差异，从而简化后续的处理流程，降低工作量。

相关技术中，在确定多个文档内容之间的差异过程中所使用的方法对内存资源还有着较高的需求，同时需要的时间也较长，增加了电力消耗。

发明内容

本公开的目的是提供一种文档比对方法、装置、存储介质、电子设备，以解决相关技术问题。

为了实现上述目的，本公开实施例的第一方面，提供一种文档比对方法，包括：

获取第一文档和第二文档中的文字内容；

确定所述第一文档的文字内容和所述第二文档的文字内容之间的共通数据块，得到属于所述第一文档的第一共通数据块序列以及属于所述第二文档的第二共通数据块序列；

根据所述第一文档中文字属性信息的索引，确定所述第一共通数据块序列的文字属性信息，并根据所述第二文档中文字属性信息的索引，确定所述第二共通数据块序列的文字属性信息；

对比所述第一共通数据块序列的文字属性信息与所述第二共通数据块序列的文字属性信息，得到所述第一文档和所述第二文档之间的所述共通数据块的属性差异信息。

可选地，所述第一文档中文字属性信息的索引是通过如下方式建立的：

将所述第一文档的文字内容按照预设粒度层级进行划分；

针对所述预设粒度层级中的每一层粒度，对属于同一层粒度的文字内容的文字属性信息依次进行编号；

针对最小粒度的文字内容的文字属性信息，根据该文字属性信息对应的各层粒度的编号，以及所述第一文档中从首字符到该文字内容的累计字符数生成该文字属性信息的索引。

可选地，所述预设粒度层级包括：段落粒度层、行粒度层、子行粒度层；

所述针对所述预设粒度层级中的每一层粒度，对属于同一层粒度的文字内容的文字属性信息依次进行编号，包括：

针对按段落粒度层划分文字内容得到的各段落文字块，对各所述段落文字块的文字属性信息依次进行编号；

针对按行粒度层划分文字内容得到的各行文字块，对各所述行文字块的文字属性信息依次进行编号；

针对按子行粒度层划分文字内容得到的各子行文字块，对各所述子行文字块的文字属性信息依次进行编号。

可选地，所述针对最小粒度的文字内容的文字属性信息，根据该文字属性信息对应的各层粒度的编号，以及所述第一文档中从首字符到该文字内容的累计字符数生成该文字属性信息的索引，包括：

针对每一子行文字块，将该子行文字块对应的编号、该子行文字块所属的行文字块对应的编号、所述行文字块所属的段落文字块对应的编号、以及所述第一文档中从首字符到该子行文字块的累计字符数组成一个元组作为该子行文字块的索引。