复杂表格怎么做到 1:1 还原:DOM 树映射算法拆解

攻略技巧
本文关键词:
表格还原DOM树映射表单解析表单开发组件FlashTable

一张表格,为什么难搬上线

一张采购单、检验报告或工程台账,从纸面搬到线上,最先卡住的往往不是"要不要做",而是"做出来像不像"。表格里的合并单元格、跨页排版、图文混排,一旦在系统里被重新排布,人看着别扭,数据也容易对不上位。这正是 FlashTable 用 DOM 树映射算法解决的问题。

线下表格的复杂性,在于它不是一张平的纸,而是有结构的。合并单元格把几个格并成一个含义单元,跨页表格把一行拆到两页,图文混排让文字和图形交织。这些结构对人眼是清楚的,对机器却是歧义:系统拿到一份文件,分不清哪几格该合并、哪一行该断在哪、哪块区域是文字哪块是插图。

传统做法有两条路。一条是人工重建,照着线下表格在系统里重新画一遍,合并单元格、调列宽、配公式,费时且容易走样。另一条是写代码,为每种表格写一段渲染逻辑,改一个表格就要改一次代码。两条路指向同一个结果:表单开发 80% 是体力活,占项目交付周期约一半时间。需求失真也很典型——业务提需求是 100%,经过产品文档化剩下 80%,到 IT 开发只剩 60%,样式走样、合并单元格丢失、公式不一致,正是失真最集中的地方。

解析的四个步骤

FlashTable 的还原链路分四步,前一步的输出是后一步的输入,任何一步失真都会在画布上被放大:

1. 表格识别——最难的一步。它要回答三个问题:哪些线是边框、哪些字属于同一个格、哪些格被合并。系统通过线框位置、字体属性和合并标记判断单元格边界,把“看起来是表格”的东西还原成“结构上确实是表格”的数据。

2. 语法转换——把识别出的结构转成可计算的中间表示。无论源文件是 Word 的 OOXML 还是 WPS 与 LibreOffice 的 ODF,都归一成同一种结构:合并单元格记成“跨度”(一个格跨几行几列),跨页的行接回同一行,图文混排的区域标成独立的画布块。

3. 表单构建——把中间表示映射成表单组件:一个合并单元格对应一个输入区,一个下拉选项对应一个选择器,一段公式对应一个计算字段。这就是“DOM 树映射”名字的由来——把表格结构还原成一棵 DOM 树,每个节点对应一个可交互的组件,每个格子都能点、能填、能算,而不只是贴上去的像素。

4. 画布渲染——把 DOM 树按原表格的坐标画出来,做到 1:1 像素级还原。填表人看到的是和原来那张纸几乎一样的界面,下面已经是一套能填、能算、能提交的表单。

92% 的精度是怎么来的

"1:1 还原"能不能做到,最终看精度。FlashTable 的解析精度是 92%,作为参照,行业平均约 75%。

差距主要出在那些"不规则"的地方:

合并单元格:两个格并成一个,系统要判断合并的方向和跨度,一旦判错,后面整行整列都会错位。

跨页表格:一行被分页符切成两半,系统要把它们重新拼回一行。

图文混排:文字和图形交织的地方,哪些算表格、哪些算插图,边界是模糊的。

92% 这个数字,是处理链路在合并单元格、跨页、复杂公式这几类难点上反复收敛的结果。和行业平均约 75% 相比,多出的这十几个百分点,意味着十张表里少走样一两张,也意味着上线后需要手工返工的表少了一大截。剩下的一小部分,通常落在"表格本身就不规则"的边缘情形上,需要人工微调一次。

一张错乱单据的复原过程

最能说明问题的,是一张极其错乱的纸质单据——字迹歪斜、线框模糊、图文混排。比如工程现场的旁站记录单,监理手写填完,字迹潦草、行距不齐,还盖着压住字迹的章。这样的单子,人扫一眼能看懂,机器要还原却很难。

FlashTable 的处理分两层。第一层是划线识别,把单据上的横线、竖线识别出来,推断出表格的行列结构。第二层是文本位置推断,根据每个文字块的坐标判断它属于哪个单元格,再结合字体大小和排列方向,把错乱的文字归位。

两层结合,系统就能把一张乱糟糟的纸质单,复原成结构清晰的线上表单。这一步的意义不在"还原得漂亮",而在于数据——归位之后的文字,已经是有行列、有字段、有类型的数据,可以直接进库、可以被计算、也可以被 AI 拿去用。

把四步连起来看,FlashTable 在复杂表格这件事上做的,是把"还原"从人工劳动变成算法能力:表格识别、语法转换、表单构建、画布渲染,把一份带合并单元格、跨页、图文混排的线下表格,自动变成 1:1 还原的线上表单,解析精度做到 92%。它解决的不是"线上能不能填表",而是"线下那张表和线上这个系统之间,能不能不再靠重新画一遍来对接"——表格还在原地,数据已经结构化地进了系统。对要上线大量表格的企业来说,这一步省掉的,是最耗时的那段体力活。