一种基于教辅书籍出版的排版文档内容自查重方法

摘要

一种基于教辅书籍出版的排版文档内容自查重方法，包括如下步骤：步骤(1)：以二进制方式读入排版文档；步骤(2)：对二进制行序列Wrb进行预处理；步骤(3)：对字符串S进行处理；步骤(4)：根据书版命令利用正则表达式提取字符串S中表格字符串；步骤(5)：根据内容将字符串S′分割为多个题目；步骤(6)：对T、F和Q分别利用改进的编辑距离相似度算法进行查重；步骤(7)：输出的查重结果。本发明通过对书籍文档分割出的题目、表格、公式等单元进行相似度比较，实现文档自查重的目的。此方法可有效的克服现有技术存在的缺点，解决工作效率低、存在大量误报和漏报等问题。