V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
V2EX 提问指南
az031120103
V2EX  ›  问与答

这种文档对比前端是用什么技术实现的?

  •  
  •   az031120103 · 2023-01-18 13:48:12 +08:00 · 2023 次点击
    这是一个创建于 435 天前的主题,其中的信息可能已经有所发展或是发生改变。
    第 1 条附言  ·  2023-01-18 15:27:07 +08:00
    前端有没有现成的插件
    17 条回复    2023-01-19 13:23:14 +08:00
    murmur
        1
    murmur  
       2023-01-18 14:33:23 +08:00
    首先你得实现 office 文档的前端浏览,这已经巨牛逼了

    然后他居然支持 pdf 、扫描件、word 的交叉比对,虽然原理不清楚,但是测试一定没少做
    murmur
        2
    murmur  
       2023-01-18 14:38:55 +08:00
    当然你可以选择两边都是 pdf 浏览器,不过 pdf 浏览器面对国内奇葩的格式也得跪下,现在好用的 office 转 pdf 都是商用方案
    xiangyuecn
        3
    xiangyuecn  
       2023-01-18 14:46:06 +08:00
    网页只不过是个 UI 而已,仅此而已。重量级的在后端
    johnnyNg
        4
    johnnyNg  
       2023-01-18 14:48:12 +08:00
    看一下接口,工作量主要在后端,后台已经标好了所有 diff 的位置,内容
    az031120103
        5
    az031120103  
    OP
       2023-01-18 15:16:00 +08:00
    @murmur 看了下,文件是用 canvas 渲染的
    az031120103
        6
    az031120103  
    OP
       2023-01-18 15:17:43 +08:00
    @johnnyNg 估计是前端计算每一页改动点的色块位置,宽高,svg 高亮一下
    az031120103
        7
    az031120103  
    OP
       2023-01-18 15:21:49 +08:00
    @xiangyuecn 后端也就多了一个查词对比,前端 ui 也没那么容易画的
    bojackhorseman
        8
    bojackhorseman  
       2023-01-18 15:56:39 +08:00
    去这个家公司入职,就知道了😆
    stevenhan
        9
    stevenhan  
       2023-01-18 16:08:04 +08:00
    感觉普通写个更新文档什么的还挺好用,但是案例是个债券发行公告,感觉是对文字要求非常严谨甚至苛刻的领域。
    先不说 diff 怎么做的,PDF 识别用了 OCR ,那就存在识别出错的可能。
    很好奇,这种产品如果出错导致 diff 漏了,造成客户损失,会赔付吗,如果不赔付,需要客户进行二次检验人工 diff ,那貌似产品的意义也不存在了。
    hhjswf
        10
    hhjswf  
       2023-01-18 16:19:02 +08:00 via Android
    工作量明显前端大。。
    hhjswf
        11
    hhjswf  
       2023-01-18 16:26:58 +08:00 via Android
    不可能有现成的,这肯定人家手撸出来的
    xiadd
        12
    xiadd  
       2023-01-18 17:06:11 +08:00
    我看了一下 pdf 的渲染是用的 pdfjs ,至于 diff 肯定是后端做的,之前做过类似的东西,前端工作量也不小
    WasteNya
        13
    WasteNya  
       2023-01-18 17:56:57 +08:00
    涉及到这块领域的,很多都是商业机密,虽然不知道那个网站的具体思路,我说一下如果我要实现 pdf 、word 的交叉对比的话(手动狗头)

    1. 最终所有文件的格式均已 pdf 展示(确保高保真),至于 word 高保转 pdf ,嘿嘿,机密!
    2. pdfjs 预览的结果会有两层,一层是展示层,一层是文字层(不展示,但包含了位置信息以及文字的 html 标签)
    3. 将文字层进行对比,这个前端后端都可以实现,如果嫌 html 对比麻烦,可以转换下使用 ast 或其他格式等等
    4. 将对比的结果整理下根据条件来使其变换下背景颜色,就能实现 OP 提到的效果了
    dobelee
        14
    dobelee  
       2023-01-18 18:03:31 +08:00
    现成的都是纯文本对比。
    对比算法本身就有不小复杂度,尤其冲突的时候,知名的 beyond compare 和 smartgit 都很多奇葩 bug ,这个 PDF 对比估计下了不少功夫,躺赚就完了。
    toma77
        15
    toma77  
       2023-01-18 21:53:56 +08:00 via iPhone
    明显前端工作量更大,而且大得多
    noahhhh
        16
    noahhhh  
       2023-01-19 03:42:35 +08:00 via Android
    找点特例去试 bug ,就能大概猜到点东西
    missz
        17
    missz  
       2023-01-19 13:23:14 +08:00
    庖丁科技好像专注于各种文档类型的解析、提取、转换,之前要解析财报的时候评估过他们家,确实很牛皮
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   我们的愿景   ·   实用小工具   ·   3383 人在线   最高记录 6543   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 97ms · UTC 13:16 · PVG 21:16 · LAX 06:16 · JFK 09:16
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.