将纯文本映射回HTML文档

Question

情况：我有一组表示Named Entities的字符串，这些字符串是从使用的内容中提取的HTML文档。我还有原始的HTML文档，被提供给NER引擎的剥离的全部标记纯文本，以及剥离文件中的字符串的偏移量/长度。

我需要使用突出显示的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文档中查找网元字符串的起点/终点。产生DOM Range Object的东西可能是理想的。

2. 鉴于Range对象，将样式（可能使用<span class="ne-person" data-ne="123">...</span>之类的东西）应用于范围。这很棘手，因为无法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启动/停止所以我不喜欢最终完全是虚假的HTML。

欢迎任何解决方案（全部或部分）。后端主要是Python / Django，前端使用jQuery。我们宁愿在后端做这件事，但我对任何事情持开放态度。

（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

Answer 2

免费软件Rangy JavaScript库是您的朋友。关于你的两个任务：

1. 在HTML文档中查找[...]字符串的开始/结束点。您可以使用Range#findText()扩展名中的TextRange。它确实导致DOM Level 2 Range兼容对象[source]。

2. 鉴于Range对象，将样式[...]应用于范围。可以使用Rangy Highlighter模块处理。如有必要，它将使用多个DOM元素进行突出显示以保持DOM树结构。

讨论： Rangy是@Paul Sweatte提出的DOM Level 2范围实用程序方法的跨浏览器实现。使用注释库将是范围库功能的进一步扩展;例如，Rangy将成为Annotator 2.0 [source]的基础。在您的情况下，它不是必需的，因为您只想渲染高光，不允许用户添加它们。