文档段落保留功能实现分析：基于层级与权限的标题保留策略

发表于
文档段落保留功能实现分析：基于层级与权限的标题保留策略

一、问题背景

在文档处理场景中，用户踢出需求，需要根据以下规则隐藏或保留段落：

  1. 标题保留条件：仅当标题的子段落中存在有权限的填报项时，该标题才被保留。
  2. 段落类型区分
    • 正文/表格：根据权限决定是否保留。
    • 标题：需结合子段落的保留状态判断是否保留。
  3. 层级嵌套复杂性：标题的层级（如一级标题、二级标题）需通过段落层级信息（OutLevel）动态计算其子段落范围。

存在的典型问题

  • 标题范围计算错误：未正确记录标题的结束位置，导致误判子段落范围。
  • 保留条件不精准：未区分“有权限填报项”与其他保留类型（如正文），导致标题被错误保留。

二、解决思路

1. 分阶段处理逻辑

将问题拆解为三个阶段，逐步解决：

  1. 基础保留标记：标记每个段落的保留状态（retained数组）。
  2. 标题范围与保留判断：通过层级嵌套关系确定标题的子段落范围，并判断是否保留。
  3. 结果生成：根据保留标记生成最终的删除/保留指令。

2. 关键逻辑设计

(1) 标题范围计算

  • 使用栈结构：通过栈记录当前层级的标题，动态维护标题的嵌套关系。
  • 层级比较：当遇到新标题时，若其层级≤栈顶标题层级，则弹出栈顶标题并记录其结束位置。
  • 结束位置处理：遍历结束后，栈中剩余标题的结束位置设为文档末尾。

(2) 保留条件细化

  • 段落保留规则
    • 正文/表格：仅保留有权限的填报项。
    • 标题：仅保留子段落中存在有权限填报项的标题。
  • 权限判断：通过FillInfo对象获取段落的填报项权限信息。

(3) 标题保留判断

  • 遍历子段落：对每个标题的子段落范围（start到end），检查是否存在有权限的填报项。
  • 标记保留状态：若满足条件，将标题的titleShouldKeep标记为true。

三、关键代码解析

1. 基础保留标记（retained数组）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
// 标记每个段落的保留状态
for (int i = 0; i < size; i++) {
    Para p = paras.get(i);
    int paraOutLevel = XxxUtil.getParaOutLevel(p, styles);
    FillInfo fillItemPermission = getFillItemPermission(fillItemList, p.getPos());
    boolean hasPermission = fillItemPermission.isHasPermission();
    FillItem fillItem = fillItemPermission.getFillItem();
    if (!hasPermission && fillItem != null) {
        retained[i] = false; // 无权限的填报项不保留
    } else if (paraOutLevel == 0) {
        // 正文或填报项：仅保留有权限的
        retained[i] = hasPermission;
    } else {
        // 标题或表格：根据层级是否需要保留
        if (levelsToKeep.contains(paraOutLevel)) {
            retained[i] = true; // 标题先标记为保留，后续根据子段落修正
        }
    }
}

关键点：

  • 权限优先：无权限的填报项直接标记为不保留。
  • 层级过滤：仅保留需要显示的层级（如levelsToKeep中的层级）。

2. 标题范围计算（栈结构）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
// 确定标题的子段落范围
List<Range> titleRanges = new ArrayList<>();
Stack<Range> stack = new Stack<>();
for (int i = 0; i < size; i++) {
    Para p = allPapx.get(i);
    int paraOutLevel = DocDataUtil.getParaOutLevel(p, styles);
    if (paraOutLevel > 0 && levelsToKeep.contains(paraOutLevel)) {
        while (!stack.isEmpty() && paraOutLevel <= stack.peek().getLevel()) {
            Range popped = stack.pop();
            popped.setEnd(i - 1); // 当前段落的前一个位置为结束
            titleRanges.add(popped);
        }
        Range newRange = new Range();
        newRange.setStart(i);
        newRange.setLevel(paraOutLevel);
        stack.push(newRange);
    }
}
// 处理栈中剩余标题
while (!stack.isEmpty()) {
    Range r = stack.pop();
    r.setEnd(size - 1); // 结束位置为文档末尾
    titleRanges.add(r);
}

关键点：

  • 栈的层级判断：通过层级比较确保标题范围的正确嵌套。
  • 结束位置修正：遍历结束后，确保所有标题范围到文档末尾。

3. 标题保留判断

1
2
3
4
5
6
7
8
9
10
11
12
13
14
// 判断标题是否保留
for (Range r : titleRanges) {
    boolean hasPermissionFilledForm = false;
    for (int j = r.getStart() + 1; j <= r.getEnd(); j++) {
        FillInfo fillItemPermission = getFillItemPermission(fillItemList, allPapx.get(j).getPos());
        if (retained[j] && fillItemPermission.isHasPermission()) {
            hasPermissionFilledForm = true;
            break;
        }
    }
    if (hasPermissionFilledForm) {
        titleShouldKeep[r.getStart()] = true; // 标记标题保留
    }
}

关键点：

  • 子段落遍历：检查标题的子段落（start+1到end）中是否存在有权限的填报项。
  • 权限双重验证：仅当retained[j]为true（被基础保留）且hasPermission为true（有权限）时，才视为有效。

4. 结果生成

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
// 生成最终的删除/保留指令
List<ResultItem> result = new ArrayList<>();
int i = 0;
while (i < size) {
    Para p = paras.get(i);
    int paraOutLevel = XxxUtil.getParaOutLevel(p, styles);
    if (paraOutLevel > 0 && levelsToKeep.contains(paraOutLevel)) {
        // 标题的保留状态由titleShouldKeep决定
        retained[i] = titleShouldKeep[i];
    }
    // 处理表格或普通段落
    if (/* 是表格 */) {
        // 删除表格并跳过所有表格段落
    } else {
        if (!retained[i]) {
            // 记录删除指令
            result.add(new ResultItem(p.getPos(), p.getLen(), 0));
        }
        i++;
    }
}

关键点：

  • 标题保留状态更新：根据titleShouldKeep覆盖标题的retained标记。
  • 统一处理：通过retained数组统一判断段落的保留或删除。

四、验证与测试

1. 测试案例

以用户提供的案例为例：

1
2
3
4
5
6
7
8
段落索引 | 内容              | 层级 | 是否保留
-----------------------------------------------
0       | 一级1            | 1    | false（无子段落有权限填报项）
1       | 二级1            | 2    | false
...     | ... 						| ...  | ...
18      | 一级2            | 1    | true（子段落包含有权限填报项）
21      | 二级10           | 2    | true（子段落包含有权限填报项）
25      | 有权限填报项      | 0    | true

验证逻辑：

  • 一级2的保留：子段落（索引19-25）包含索引25的有权限填报项 → 保留。
  • 二级10的保留：子段落包含索引25的有权限填报项 → 保留。
  • 一级1的不保留：子段落中无有权限的填报项 → 不保留。

2. 边界条件测试

  • 无子段落的标题：若标题无子段落，不保留。
  • 层级嵌套交叉：如一级→二级→三级的复杂结构，确保范围计算正确。

五、总结与扩展

1. 解决方案优势

  • 精准控制：通过层级栈和权限双重判断，确保标题保留的条件严格符合需求。
  • 可扩展性：通过levelsToKeep和权限接口，可灵活适配不同业务场景。

2. 可优化方向

  • 性能优化：对大规模文档，可优化子段落遍历逻辑（如预处理子段落列表）。
  • 异常处理：增加对层级不合法或权限信息缺失的容错机制。