[发明专利]一种面向电子表格的表克隆自动化检测方法及电子装置

权利要求书

1.一种面向电子表格的表克隆自动化检测方法，其步骤包括：

1)根据电子表格中的空白行与空白列，将电子表格划分成若干物理块；

2)通过查找每一物理块的行表头与列表头及合并相应的物理块，得到若干子表格；

3)依据子表格中每一单元格的特征，计算各子表格之间的相似性，判断子表格之间是否存在表克隆。

2.如权利要求1所述的方法，其特征在于，通过以下步骤得到子表格：

1)从各物理块的第1列开始，检测是否包括至少一个标签单元格且其他单元格是空单元格，若否则停止查找，若是则判断该列为行表头且继续向右查找，直到查找到第n列，将由此得到的若干列视为行表头，其中n≥1；

2)若一物理块未查找到行表头，且其左侧物理块具有行表头，则将该物理块与左侧的物理块合并；

3)从各物理块的第1行开始，检测是否包括至少一个标签单元格且其他单元格是空单元格，若否则停止查找，若是则判断该行为列表头且继续向下查找，直到查找到第m行，将由此得到的若干行视为列表头，其中m≥1；

4)若一物理块未查找到列表头，且其上侧物理块具有列表头，则将该物理块与上方的物理块合并；

5)将留下来的每个物理块视为一个子表格。

3.如权利要求1所述的方法，其特征在于，所述特征包括：单元格类型、表头值、公式、字体颜色、字体类型、字体样式、单元格边框和背景颜色。

4.如权利要求3所述的方法，其特征在于，单元格类型包括：行表头、列表头、公式、数值、字符串或空。

5.如权利要求1所述的方法，其特征在于，通过以下步骤判断子表格之间是否存在表克隆：

1)依据单元格的特征，计算两个子表格之间相同位置单元格的单元格类型特性、表头值特性、公式特性、字体颜色特性、字体类型特性、字体样式特性、单元格边框特性和背景颜色特性；

3)根据杰卡德距离，分别计算两个子表格之间的表头相似性与数据相似性；

3)当表头相似性与数据相似性分别大于表头相似性阈值与数据相似性阈值时，判断两个子表格之间存在表克隆。

6.如权利要求5所述的方法，其特征在于，通过以下策略得到公式特性：

1)当两个单元格都无公式，则公式特性为TRUE；

2)当两个单元格都有公式，且公式相似度得分大于公式相似度阈值时，则公式特性为TRUE；

3)当一个单元格有公式且另一个单元格没有公式时，则公式特性为FALSE；

4)当两个单元格都有公式，且公式相似度得分不大于公式相似度阈值时，则公式特性为FALSE。

7.如权利要求6所述的方法，其特征在于，通过以下步骤得到公式相似度得分：

1)利用R1C1格式对两个单元格的公式进行特征提取，得到操作数OP_t1、操作数OP_t2、输入参数Var_t1与输入参数Var_t2；

2)计算公式相似度得分

8.如权利要求5所述的方法，其特征在于，设置表头相似性阈值与数据相似性阈值的方法包括：设置固定值或通过机器学习方法进行数据训练获得。

9.一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1-8中任一所述方法。

10.一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行如权利要求1-8中任一所述方法。