[发明专利]文本处理方法、装置、电子设备及存储介质

说明书

本申请提供一种文本处理方法、装置、电子设备及存储介质，用于改善难以保留原始文本的文本格式的问题。该方法包括：获得待处理句段，待处理句段中包括文本内容和格式控制标签；根据预设规则对待处理句段进行断句，获得句段内容和句间内容，句段内容中包括文本内容，句间内容中包括格式控制标签；从句间内容中获取每个句段内容对应的格式控制属性；根据格式控制属性生成每个句段内容对应的容器标签对；将每个句段内容添加到对应的容器标签对中间，得到待显示字串；解析并显示待显示字串。

技术领域

本申请涉及计算机数据处理和文本处理的技术领域，具体而言，涉及一种文本处理方法、装置、电子设备及存储介质。

背景技术

格式标签对，是指在标记语言中用于控制文本格式的标签对，此处的标记语言包括：可扩展标记语言(eXtensible Markup Language，XML)和超文本标记语言(Hyper TextMarkup Language，HTML)等，此处的标签匹配对包括：开始标签和结束标签；其中，开始标签和结束标签是相互匹配的。

在目前的文本翻译工作流程中，为了保证翻译人员能够专注于原始文本的文本翻译，需要将翻译句段中的标签和标签匹配对进行替换，在翻译辅助系统进行替换的过程中，由于难以获取原始文本中的格式标签对和格式属性，导致无法根据格式属性显示原始文本中的待处理句段的文本格式，从而丢失了原始文本的部分文本格式；也就是说，目前的翻译辅助系统通常难以保留原始文本的文本格式。

发明内容

本申请实施例的目的在于提供一种文本处理方法、装置、电子设备及存储介质，用于改善难以保留原始文本的文本格式的问题。

本申请实施例提供了一种文本处理方法，包括：获得待处理句段，待处理句段中包括文本内容和格式控制标签；根据预设规则对待处理句段进行断句，获得句段内容和句间内容，句段内容中包括文本内容，句间内容中包括格式控制标签；从句间内容中获取每个句段内容对应的格式控制属性；根据格式控制属性生成每个句段内容对应的容器标签对；将每个句段内容添加到对应的容器标签对中间，得到待显示字串；解析并显示待显示字串。在上述的实现过程中，先依次从每个句间内容中提取格式控制属性，然后根据格式控制属性生成容器标签对，再使用容器标签对包裹(wrap)断句后的句段内容，通过这种方式能够提取并保留原翻译文本的格式控制属性，从而可以根据带有格式控制属性的容器标签重新生成翻译文本的格式，有效地改善了难以保留原始文本的文本格式的问题。

可选地，在本申请实施例中，从句间内容中获取每个句段内容对应的格式控制属性，包括：按照在待处理句段中的位置顺序依次处理句段内容和句间内容；若处理到句间内容，且句间内容中包括格式处理标签的开始标签，则将开始标签记录在预设数据表中；若处理到句间内容，且句间内容中包括格式处理标签的结束标签，则将结束标签对应的开始标签从预设数据表中移除；若处理到句段内容，则从预设数据表当前记录的开始标签中获取格式控制属性，以得到每个句段内容对应的格式控制属性。在上述的实现过程中，通过按照在待处理句段中的位置顺序依次处理句段内容和句间内容；在处理到句间内容中的开始标签时，将其添加至预设数据表中；在开始标签对应的结束标签时，将开始标签从预设数据表中移除；如果处理到句段内容就获取格式控制属性，从而有效地获得每个句段内容对应的格式控制属性，简化了从句段内容获取格式控制属性的复杂性。

可选地，在本申请实施例中，从预设数据表当前记录的开始标签中获取格式控制属性，包括：获取预设数据表当前记录的开始标签；从当前记录的开始标签的标签内容中获取格式控制属性；或者获取当前记录的开始标签的标识信息；根据标识信息从预设标签信息中查询格式控制属性。

可选地，在本申请实施例中，预设数据表包括：栈结构；将开始标签记录在预设数据表中，包括：根据开始标签对栈结构执行入栈操作；将结束标签对应的开始标签从预设数据表中移除，包括：对栈结构执行出栈操作。