[发明专利]一种自动化实现docx文件细粒度与多样化的批注方法和系统

说明书

本发明涉及一种自动化实现docx文件细粒度与多样化的批注方法和系统，根据批注定位信息与批注内容样式自动化实现word文档细粒度与多样化批注，通过改变word文档的内部结构(XML文件树)自动化实现批注功能。该方法包括：获取docx文件的内部XML基础文件；在docx文件的XML基础文件中生成批注环境；设置批注信息；根据生成的批注环境和设置的批注信息，通过修改docx文件的XML基础文件，在待批注位置插入批注信息；根据批注后的XML基础文件，得到带批注信息的docx文件。本发明能够根据批注定位信息与批注内容样式，准确、快速地实现docx文件细粒度与多样化批注。

技术领域

本发明涉及一种根据定位信息与批注内容信息自动化实现docx文件细粒度与多样化的批注方法和系统。

背景技术

docx是Microsoft Office2007之后版本使用的，用新的基于xml的压缩文件格式取代了其目前专有的默认文件格式，并保存在一个zip文件中，然后取扩展名为docx。

批注功能是word众多强大功能之一，用户可在指定位置插入批注，用于解释说明docx文件中的内容。传统人工批注方法均是用户通过Microsoft Office Word软件打开docx文件，浏览文件内容手工加入批注。但对于细粒度与多样化docx文件，或文档有大量批注的情况，传统手工批注方法难度较大，效率低下且准确率无法保证；在人工智能领域，如智能核查文档相关系统，将核查结果在原docx文件以批注的形式返回给用户，手动批注无法实现。

目前docx文件自动化批注需求日益增加，部分需求要求精确到更细粒度的批注，如句子、字，表格中的单元格等。现有docx文件自动化批注方法，如基于java语言的docx4j、基于c#的Open XML SDK、基于python语言的python-docx、bayoo-docx工具难以实现句子、字、单元格等细粒度元素的批注，并且无法自定义批注内容的字体、多样化批注，占用内存大，运行速度较慢。

经过上述分析，本发明需面对的挑战如下：

(1)难以定位批注内容。

docx文件内部结构复杂，如何设定批注定位信息从而准确定位到批注内容的位置是一个难题。

(2)难以获取并批注细粒度元素。

在docx文件的内部XML基础文件中，文字以段落的形式存在，无句子级别的划分。现有工具难以对段落中句子、字，表格中单元格等更细粒度的元素进行批注。

(3)难以实现多元化批注。

docx文件中含有文字，表格，图片等多元化元素，如何对多元化元素进行批注是docx文件批注的一个难题。

(4)难以实现多样化批注

对于每个批注内容，自定义样式，如字体、大小等属性进行多样化批注是docx文件批注的一个难题。

发明内容

针对上述面临的挑战，本发明提供一种docx文件的自动化实现细粒度与多样化的批注方法和系统。通过修改docx文件内部xml树结构进行批注，旨在实现一种快速高效，准确灵活的自动化实现docx文件细粒度与多样化批注的方法和系统。

本发明采用的技术解决方案如下：

一种自动化实现docx文件细粒度与多样化的批注方法，包括以下步骤：

获取docx文件的内部XML基础文件；

在docx文件的XML基础文件中生成批注环境；

设置批注信息；

根据生成的批注环境和设置的批注信息，通过修改docx文件的XML基础文件，在待批注位置插入批注信息；