html - 将纯文本映射回 HTML 文档

Question

情况:我有一组字符串表示 Named Entities是从曾经用作 HTML 文档的内容中提取的。我还有原始的 HTML 文档、被馈送到 NER 引擎的剥离所有标记的纯文本，以及字符串的偏移量/长度在剥离文件中。

我需要用突出显示的 NE 实例来注释原始 HTML 文档。为此，我需要执行以下操作:

1. 在 HTML 文档中找到 NE 字符串的起点/终点。导致 DOM Range Object 的东西可能会很理想。

2. 给定 Range 对象，对范围应用样式(可能使用类似 <span class="ne-person" data-ne="123">...</span> 的样式)。这很棘手，因为不能保证范围不会包含多个 DOM 元素( <a> 、 <strong> 等)，并且跨度需要在每个包含元素内正确开始/停止，所以我不会结束完全伪造的 HTML。

欢迎任何解决方案(全部或部分)。后端多为Python/Django，前端使用jQuery。我们宁愿在后端执行此操作，但我对任何事情都持开放态度。

(我对如何标记这个问题有点不确定，所以请随意重新标记它。)

Answer 1

使用 range utility method加上注释库，例如以下之一:

• artisan.js
• annotator.js
• vie.js