CN112631586B - 一种应用开发方法、装置、电子设备和存储介质 - Google Patents
一种应用开发方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112631586B CN112631586B CN202011550154.XA CN202011550154A CN112631586B CN 112631586 B CN112631586 B CN 112631586B CN 202011550154 A CN202011550154 A CN 202011550154A CN 112631586 B CN112631586 B CN 112631586B
- Authority
- CN
- China
- Prior art keywords
- component
- target
- data
- metadata
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/38—Creation or generation of source code for implementing user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/34—Graphical or visual programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本申请实施例公开一种应用开发方法、装置、电子设备和存储介质,方法包括:对获取的目标图片进行分割,得到多个组件切片,依次对各组件切片执行如下操作:对文本描述子区域进行文本识别,得到文本识别结果;基于元数据仓库,确定文本识别结果对应的元数据模型;对组件子区域进行组件分类识别,得到组件识别初始结果;根据元数据模型,从组件识别初始结果中确定组件切片所包括的目标组件、目标组件对应的标签文本和数据模型;识别目标组件所属的交互场景;基于识别到的所有目标组件、各目标组件各对应的数据模型和所属的交互场景,生成应用服务。由此基于元数据模型匹配,提高了组件识别准确度,减少人工订正的工作量,进而保证应用开发的效率。
Description
技术领域
本申请涉及人工智能领域,尤其涉及一种应用开发方法、装置、电子设备和存储介质。
背景技术
随着软件开发人员人力成本的大幅上升和企业对软件的要求越来越高,而通用的软件产品已无法满足企业对管理的要求,如何提高开发效率,达成对应用软件的低成本快速开发定制,成为每个软件研发项目都面临的问题。
传统开发模式下,应用设计人员会根据用户的需求,进行系统功能界面设计,在设计过程中需要对功能界面进行大量的创作和迭代。单一功能从设计人员开始在草稿上阐述想法,尽量描述客户场景和业务流程,到研发人员最终利用开发工具开发出功能页面原型,通常均需要花费大量时间以及多个岗位角色之间的密切沟通和配合,使得应用开发效率较低。
发明内容
本申请实施例提供一种应用开发方法、装置、电子设备和存储介质,以达提升应用开发效率的目的。
第一方面,本申请实施例提供了一种应用开发方法,该方法包括:
获取目标图片,对目标图片进行分割,得到至少一个组件切片,其中每个组件切片包括一个组件子区域和该组件对应的文本描述子区域;
依次对每个组件切片执行如下操作:对文本描述子区域进行文本识别,得到文本识别结果;基于预先构建的元数据仓库,确定文本识别结果对应的元数据模型;对组件子区域进行组件分类识别,得到组件识别初始结果;根据元数据模型,从组件识别初始结果中确定组件切片所包括的目标组件、目标组件对应的标签文本和数据模型,其中,数据模型用于记录标签文本与目标组件的绑定关系;识别目标组件所属的交互场景;
基于识别到的所有目标组件、每个目标组件各自对应的数据模型和每个目标组件所属的交互场景,生成应用服务。
第二方面,本申请实施例提供了一种应用开发装置,该装置包括:
图片分割模块,用于获取目标图片,对目标图片进行分割,得到至少一个组件切片,其中每个组件切片包括一个组件子区域和该组件对应的文本描述子区域;
循环处理模块,用于依次对每个组件切片执行如下操作:对文本描述子区域进行文本识别,得到文本识别结果;基于预先构建的元数据仓库,确定文本识别结果对应的元数据模型;对组件子区域进行组件分类识别,得到组件识别初始结果;根据元数据模型,从组件识别初始结果中确定组件切片所包括的目标组件、目标组件对应的标签文本和数据模型,其中,数据模型用于记录标签文本与目标组件的绑定关系;识别目标组件所属的交互场景;
应用生成模块,用于基于识别到的所有目标组件、每个目标组件各自对应的数据模型和每个目标组件所属的交互场景,生成应用服务。
第三方面,本申请实施例还提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如本申请任一实施例的应用开发方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请任一实施例的应用开发方法。
本申请实施例中,通过引入元数据模型匹配,弥补了图像识别技术单纯通过组件外观无法直接识别的数据特征,可有效提高前端组件识别的准确度,减少人工订正的工作量,进而保证应用开发的效率;另外通过引入交互场景识别,达到了扩展应用生成方法的适用场景的目的。
附图说明
图1是根据本申请第一实施例中的应用开发方法的流程示意图;
图2是根据本申请第二实施例中的应用开发方法的逻辑流程图;
图3是根据本申请第三实施例中的应用开发装置的结构示意图;
图4是根据本申请实施例中的实现应用开发方法的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非所有结构。
图1是根据本申请第一实施例的应用开发方法的流程图,本实施例可适用于服务器或计算机设备结合元数据信息和图像识别技术,精准识别图片包括的前端组件,进而基于识别的前端组件生成应用服务的情况,该方法可以由应用开发装置来执行,该装置可以采用软件和/或硬件的方式实现,并可集成在电子设备中,例如集成服务器设备中。
参见图1,应用开发方法具体包括:
S101、获取目标图片,对目标图片进行分割,得到至少一个组件切片,其中每个组件切片包括一个组件子区域和该组件对应的文本描述子区域。
本申请实施例中,目标图片可选的是用户通过拍照、上传图片等方式录入页面原型图或手工设计稿图片,其中,页面原型图可选的为用户通过绘图工具绘制的;页面原型图和手工设计稿图片中均带有组件图案以及组件对应的文本描述。
本申请实施例中,在得到目标图片后,可对目标图片进行分割,其中,图像分割是指将图像分割成互不重叠的、具有各自特征的子区域,每个子区域为像素的一个连续集;其中,各自特征包括颜色、形状、灰度和纹理等。而在具体实现时,可选的,通过预设的图像分割算法,对目标图片进行分割,其中,图像分割的方法主要有基于区域特征的分割方法、基于相关匹配的分割方法和基于边界特征的分割方法。在完成图片分割之后,记录每个组件的尺寸以及组件在原图片中的坐标位置,以便后续生成应用服务是使用,具体的用于确定组件布局和样式。
在此需要说明的是,由于采集图像时会受到各种条件的影响会使图像变得模糊、噪声干扰,使得图像分割遇到困难。在实际的图像中需根据景物条件的不同选择适合的图像分割方法。而且进一步的,为了图像分割顺利进行,在对目标图片进行分割之前,方法还包括:对目标图像进行预处理,以突出图片的重要特征,其中,预处理至少包括去噪处理、平滑处理和增强处理。
由于目标图片中包括多个组件,每个组件都有对应的文本描述,因此在对目标图片进行分割后,可得到至少一个图片格式的组件切片,其中,每个组件切片包括一个组件子区域和该组件对应的文本描述子区域。
S102、依次对每个组件切片执行S103-S107。
本申请实施例中,针对任一组件切片,按照S103-S107的步骤进行识别,直到所有组件切片识别完成,按照S108的步骤生成应用服务。
S103、对文本描述子区域进行文本识别,得到文本识别结果。
本申请实施例中,由于文本描述子区域也是图片,因此对文本描述子区域进行文本识别时,可选的,利用OCR(Optical Character Recognition,光学字符识别)识别技术,确定文本描述子区域所包括的文本内容(即文本识别结果)。
S104、基于预先构建的元数据仓库,确定文本识别结果对应的元数据模型。
本申请实施例中,元数据是描述数据的数据,可以有效补充包括数据类型、格式特征、系统来源等在内的通过图像识别无法得出的特征。而预先构建元数据仓库的过程包括:从数据源中提取数据库表和列的字段定义数据,可选的,通过DDL定义(例如MySQL的information_schema)查询提取;对提取到的字段定义数据进行预处理,例如对字段定义数据进行归类整理、合并和去重,得到至少一个目标字段定义数据;其中,一个目标字段定义数据作为一个元数据模型,且一个目标字段定义数据至少包括字段名、备注、存储特性、数据类型、数据长度和精度;根据得到的至少一个目标字段定义数据构成元数据仓库,也即元数据仓库存储有多个元数据模型。
在构建完元数据仓库之后,可将S103中得到的文本识别结果,与元数据仓库中的多个元数据模型依次进行匹配(例如基于等值或近似匹配),根据匹配结果确定文本识别结果对应的元数据模型,其中元数据模型包括字段名、备注、存储特性、数据类型、数据长度和精度等。
S105、对组件子区域进行组件分类识别,得到组件识别初始结果。
本申请实施例中,S105可以与S103并行执行,也可以在S104执行完后在执行,在此不做具体限定。在一种可选的实施方式中,对组件子区域进行组件分类识别,得到组件识别初始结果,包括:对组件子区域进行特征提取,得到组件特征数据;将组件特征数据输入到预先训练的组件模型分类器中,根据组件模型分类器的输出,确定组件识别初始结果。其中,训练组件模型分类器的过程如下:基于PC端或移动端现有的组件库,获取其中包括的所有组件图片(例如通过运行组件实例截屏后裁剪图片至合适大小)作为训练样本,对样本图片进行预处理(例如去噪处理或平滑处理),提取组件特征,并将组件特征输入到构建的组件模型分类网络中,根据输出的分类结果与样本图片的标签进行比较,根据比较结果调整组件模型分类网络权重,最终训练得到组件模型分类器。
在此需要说明的是,由于有些组件的外观特征相同,例如普通文本输入框、浮点数输入框或需要提供自动完成(AutoComplete)特性的输入框,这三种输入框在外观上表现为相同的组件,而通过组件模型分类器无法进行区分,因此组件模型分类器输出的结果可能是匹配度最高的组件列表,也即组件识别初始结果包括至少一种组件,因此需要按照S106的步骤,利用文本识别结果对应的元数据模型作进一步的精确匹配,也即对组件识别初始结果进行筛选。
S106、根据元数据模型,从组件识别初始结果中确定组件切片所包括的目标组件、目标组件对应的标签文本和数据模型,其中,数据模型用于记录标签文本与目标组件的绑定关系。
本申请实施例中,预先为每个组件与其对应的数据类型构建映射关系,因此根据组件识别初始结果中的各组件与数据类型的映射关系,将组件识别初始结果中与元数据模型包括的数据类型对应的组件作为目标组件,也即目标组件为从组件切片中识别出的最终组件;将元数据模型包括的字段名作为目标组件对应的标签文本;构建包括标签文本与目标组件绑定关系的数据模型。进一步的,还可以根据元数据模型中的存储特性、数据长度和精度,确定目标组件对应的数据校验规则。
在此需要说明的是,在现有的应用系统开发场景下,生成应用页面后,仍需要开发人员逐一组件确认和订正,并添加对应的数据模型、校验规则等,此过程仍需要耗费大量的人力。而通过本申请上述过程,可自动构建数据模型以及根据元数据确定校验规则,由此保证了应用开发的效率。
S107、识别目标组件所属的交互场景。
在一种可选的实施方式中,识别目标组件所属的交互场景,包括:基于预设的规则引擎或决策表,结合目标组件和目标组件对应的标签文本,识别目标组件所属的交互场景。示例性的,包含【保存】按钮可识别为数据录入表单场景页面,包含【提交】按钮可识别为申请单据录入和提交流程场景页面,包含【查询】按钮且包含表格组件的,可识别为数据列表/表格查询页面。
S108、基于识别到的所有目标组件、每个目标组件各自对应的数据模型和每个目标组件所属的交互场景,生成应用服务。
依次对每个组件切片执行S103-S107后,可得到所有目标组件、每个目标组件各自对应的数据模型和每个目标组件所属的交互场景,进而可基于识别到这些数据直接生成应用服务。其中,每个目标组件各自对应的数据模型可以整合成一个页面对应的完整数据模型,在生成应用服务时,可直接利用完整的数据模型进行。
在一种可选的实施方式中,基于识别到的所有目标组件、每个目标组件各自对应的数据模型和每个目标组件所属的交互场景,生成应用服务,包括S1081-S1082:
S1081.基于识别到的所有目标组件、每个目标组件各自对应的数据模型和每个目标组件所属的交互场景,结合不同场景下的代码模板,生成应用的前端代码。
可选的,基于MVVM前端技术框架,结合每个目标组件所属的交互场景交互场景、目标组件集合和对应数据模型,使用模板引擎(如freemarker、velocity等)提供的不同前端场景和不同技术栈的代码模板(例如PC端-VUE表单页、移动端-uniapp表单页),生成应用的前端代码,也即是生成包含数据模型定义、数据校验规则、组件布局和样式、交互事件处理在内的完整的前端页面代码。
S1082.基于每个目标组件各自对应的数据模型和每个目标组件所属的交互场景,结合不同场景下的代码模板,生成应用的后端代码和应用程序接口。
可选的,基于模板引擎提供的代码模板(例如SpringMVC+Spring Data JPA+Swagger)快速生成实体类/VO类/DTO类和API注解描述,以及增删改查对应的逻辑代码,也即是生成后端代码和应用程序接口等。
本申请实施例中,通过引入元数据模型匹配,弥补了图像识别技术单纯通过组件外观无法直接识别的数据特征,可有效提高前端组件识别的准确度,减少人工订正的工作量,进而保证应用开发的效率;另外通过引入交互场景识别,不但可应用于表单类页面的识别和生成,还可用于流程申请单据提交、数据列表查询和筛选等企业应用中的常见功能和交互场景,达到了扩展应用生成方法的适用场景的目的。
图2是根据本申请第二实施例的应用开发方法的逻辑流程图,本实施例是在上述实施例的基础上进行优化,参见图2,该方法包括:
首先,可通过拍照或图片上传的方式录入目标图片(即页面原型图或手工设计稿图片)。进一步的,对目标图片进行预处理和分割,得到多个组件切片,其中预处理至少包括去噪处理和平滑处理,其目的是突出图片中的重要特征。
进一步的,逐个组件切片处理,也及依次对每个组件切片执行如下操作:针对任一组件切片,对组件切面的文本描述子区域进行文本识别,将文本识别结果与元数据仓库中的元数据进行字段匹配和元数据信息匹配,得到元数据模型(字段属性和元数据信息);对组件切片的组件子区域进行组件图像识别,可选的,利用预先基于组件资产库训练的组件模型进行图像识别,得到初分类结果,其中初分类结果中包括备选组件列表和组件的尺寸、定位信息。进一步的,基于字段属性和元数据信息,对初分类结果进行精确识别,也即从初分类结果中确定目标组件、目标组件类型,目标组件对应的数据模型、以及目标组件所属的交互场景。
在对每个切片组件完成上述操作后,可以得到最终的识别结果,主要包括组件集合和样式信息、数据模型(包括字段、类型、约束)和各组件所属的交互场景(例如表单、审批、列表、查询)。
在得到最终识别结果的基础上,可基于前端场景代码模板生成前端UI,通过后端代码模板,生成后端服务代码,由此即可得到可交互的完整的应用服务。
本申请实施例中,通过引入元数据模型匹配,弥补了图像识别技术单纯通过组件外观无法直接识别的数据特征,可有效提高前端组件识别的准确度,减少人工订正的工作量,保证了应用开发的效率。引入交互场景识别,扩展了本申请应用开发方法的适用场景。
图3是根据本申请第三实施例的应用开发装置的结构示意图,本实施例可适用于服务器或计算机设备同时结合元数据信息和图像识别技术,精准识别图片包括的前端组件,进而基于识别的前端组件生成应用服务的情况,参见图3,该装置包括:
图片分割模块301,用于获取目标图片,对目标图片进行分割,得到至少一个组件切片,其中每个组件切片包括一个组件子区域和该组件对应的文本描述子区域;
循环处理模块302,用于依次对每个组件切片执行如下操作:对文本描述子区域进行文本识别,得到文本识别结果;基于预先构建的元数据仓库,确定文本识别结果对应的元数据模型;对组件子区域进行组件分类识别,得到组件识别初始结果;根据元数据模型,从组件识别初始结果中确定组件切片所包括的目标组件、目标组件对应的标签文本和数据模型,其中,数据模型用于记录标签文本与目标组件的绑定关系;识别目标组件所属的交互场景;
应用生成模块303,用于基于识别到的所有目标组件、每个目标组件各自对应的数据模型和每个目标组件所属的交互场景,生成应用服务。
在上述实施例的基础上,可选的,该装置还包括元数据仓库构建模块,具体用于:
从数据源中提取数据库表和列的字段定义数据;
对提取到的字段定义数据进行预处理,得到至少一个目标字段定义数据;其中,一个目标字段定义数据作为一个元数据模型,且一个目标字段定义数据至少包括字段名、备注、存储特性、数据类型、数据长度和精度;
根据得到的至少一个目标字段定义数据构成元数据仓库。
在上述实施例的基础上,可选的,对组件子区域进行组件分类识别,得到组件识别初始结果,包括:
对组件子区域进行特征提取,得到组件特征数据;
将组件特征数据输入到预先训练的组件模型分类器中,根据组件模型分类器的输出,确定组件识别初始结果;其中,组件识别初始结果包括至少一种组件。
在上述实施例的基础上,可选的,根据元数据模型,从组件识别初始结果中确定组件切片所包括的目标组件、目标组件对应的标签文本和数据模型,包括:
根据组件识别初始结果中的组件与数据类型的映射关系,将组件识别初始结果中与元数据模型包括的数据类型对应的组件作为目标组件;
将元数据模型包括的字段名作为目标组件对应的标签文本;
构建包括标签文本与目标组件绑定关系的数据模型。
在上述实施例的基础上,可选的,装置还包括:
校验规则确定模块,用于根据元数据模型中的存储特性、数据长度和精度,确定目标组件对应的数据校验规则。
在上述实施例的基础上,可选的,识别目标组件所属的交互场景,包括:
基于预设的规则引擎或决策表,结合目标组件和目标组件对应的标签文本,识别目标组件所属的交互场景。
在上述实施例的基础上,可选的,应用生成模块具体用于:
基于识别到的所有目标组件、每个目标组件各自对应的数据模型和每个目标组件所属的交互场景,结合不同场景下的代码模板,生成应用的前端代码;
基于每个目标组件各自对应的数据模型和每个目标组件所属的交互场景,结合不同场景下的代码模板,生成应用的后端代码和应用程序接口。
在上述实施例的基础上,可选的,装置还包括:
预处理模块,用于在对目标图片进行分割之前,对目标图像进行预处理,其中,预处理至少包括去噪处理、平滑处理和增强处理。
本申请实施例所提供的应用开发装置可执行本申请任意实施例所提供的应用开发方法,具备执行方法相应的功能模块和有益效果。
图4是本申请第四实施例中提供的一种电子设备的结构示意图。如图4所示结构,本申请实施例中提供的电子设备包括:一个或多个处理器402和存储器401;该电子设备中的处理器402可以是一个或多个,图4中以一个处理器402为例;存储器401用于存储一个或多个程序;一个或多个程序被一个或多个处理器402执行,使得一个或多个处理器402实现如本申请实施例中任一项的应用开发方法。
该电子设备还可以包括:输入装置403和输出装置404。
该电子设备中的处理器402、存储器401、输入装置403和输出装置404可以通过总线或其他方式连接,图4中以通过总线连接为例。
该电子设备中的存储装置401作为一种计算机可读存储介质,可用于存储一个或多个程序,所述程序可以是软件程序、计算机可执行程序以及模块,如本申请实施例中所提供的应用开发方法对应的程序指令/模块。处理器402通过运行存储在存储装置401中的软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述方法实施例中应用开发方法。
存储装置401可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器401可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器401可进一步包括相对于处理器402远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置403可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置404可包括显示屏等显示设备。
并且,当上述电子设备所包括一个或者多个程序被所述一个或者多个处理器402执行时,程序进行如下操作:
获取目标图片,对目标图片进行分割,得到至少一个组件切片,其中每个组件切片包括一个组件子区域和该组件对应的文本描述子区域;
依次对每个组件切片执行如下操作:对文本描述子区域进行文本识别,得到文本识别结果;基于预先构建的元数据仓库,确定文本识别结果对应的元数据模型;对组件子区域进行组件分类识别,得到组件识别初始结果;根据元数据模型,从组件识别初始结果中确定组件切片所包括的目标组件、目标组件对应的标签文本和数据模型,其中,数据模型用于记录标签文本与目标组件的绑定关系;识别目标组件所属的交互场景;
基于识别到的所有目标组件、每个目标组件各自对应的数据模型和每个目标组件所属的交互场景,生成应用服务。
当然,本领域技术人员可以理解,当上述电子设备所包括一个或者多个程序被一个或者多个处理器402执行时,程序还可以进行本申请任意实施例中所提供的应用开发方法中的相关操作。
本申请的一个实施例中提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时用于执行应用开发方法,该方法包括:
获取目标图片,对目标图片进行分割,得到至少一个组件切片,其中每个组件切片包括一个组件子区域和该组件对应的文本描述子区域;
依次对每个组件切片执行如下操作:对文本描述子区域进行文本识别,得到文本识别结果;基于预先构建的元数据仓库,确定文本识别结果对应的元数据模型;对组件子区域进行组件分类识别,得到组件识别初始结果;根据元数据模型,从组件识别初始结果中确定组件切片所包括的目标组件、目标组件对应的标签文本和数据模型,其中,数据模型用于记录标签文本与目标组件的绑定关系;识别目标组件所属的交互场景;
基于识别到的所有目标组件、每个目标组件各自对应的数据模型和每个目标组件所属的交互场景,生成应用服务。
可选的,该程序被处理器执行时还可以用于执行本申请任意实施例中所提供的方法。
本申请实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(Random Access Memory,RAM)、只读存储器(Read Only Memory,ROM)、可擦式可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、闪存、光纤、便携式CD-ROM、光存储器件、磁存储器件、或者上述的任意合适的组合。计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于:电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、无线电频率(Radio Frequency,RF)等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言(诸如“C”语言或类似的程序设计语言)。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络(例如包括局域网(LAN)或广域网(WAN))连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (9)
1.一种应用开发方法,其特征在于,包括:
获取目标图片,对所述目标图片进行分割,得到至少一个组件切片,其中每个组件切片包括一个组件子区域和该组件对应的文本描述子区域;
依次对每个组件切片执行如下操作:对所述文本描述子区域进行文本识别,得到文本识别结果;基于预先构建的元数据仓库,确定所述文本识别结果对应的元数据模型;对所述组件子区域进行组件分类识别,得到组件识别初始结果;根据所述元数据模型,从所述组件识别初始结果中确定所述组件切片所包括的目标组件、所述目标组件对应的标签文本和数据模型,其中,所述数据模型用于记录所述标签文本与所述目标组件的绑定关系;识别所述目标组件所属的交互场景;
基于识别到的所有目标组件、每个目标组件各自对应的数据模型和每个目标组件所属的交互场景,生成应用服务;
其中,预先构建元数据仓库的过程包括:
从数据源中提取数据库表和列的字段定义数据;
对提取到的字段定义数据进行预处理,得到至少一个目标字段定义数据;其中,一个目标字段定义数据作为一个元数据模型,且一个目标字段定义数据至少包括字段名、备注、存储特性、数据类型、数据长度和精度;
根据得到的至少一个目标字段定义数据构成元数据仓库;
根据所述元数据模型,从所述组件识别初始结果中确定所述组件切片所包括的目标组件、所述目标组件对应的标签文本和数据模型,包括:
根据所述组件识别初始结果中的组件与数据类型的映射关系,将所述组件识别初始结果中与所述元数据模型包括的数据类型对应的组件作为目标组件;
将所述元数据模型包括的字段名作为所述目标组件对应的标签文本;
构建包括所述标签文本与所述目标组件绑定关系的数据模型。
2.根据权利要求1所述的方法,其特征在于,对所述组件子区域进行组件分类识别,得到组件识别初始结果,包括:
对所述组件子区域进行特征提取,得到组件特征数据;
将所述组件特征数据输入到预先训练的组件模型分类器中,根据所述组件模型分类器的输出,确定组件识别初始结果;其中,所述组件识别初始结果包括至少一种组件。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述元数据模型中的存储特性、数据长度和精度,确定所述目标组件对应的数据校验规则。
4.根据权利要求1所述的方法,其特征在于,识别所述目标组件所属的交互场景,包括:
基于预设的规则引擎或决策表,结合所述目标组件和所述目标组件对应的标签文本,识别所述目标组件所属的交互场景。
5.根据权利要求1所述的方法,其特征在于,基于识别到的所有目标组件、每个目标组件各自对应的数据模型和每个目标组件所属的交互场景,生成应用服务,包括:
基于识别到的所有目标组件、每个目标组件各自对应的数据模型和每个目标组件所属的交互场景,结合不同场景下的代码模板,生成应用的前端代码;
基于每个目标组件各自对应的数据模型和每个目标组件所属的交互场景,结合不同场景下的代码模板,生成应用的后端代码和应用程序接口。
6.根据权利要求1所述的方法,其特征在于,在对所述目标图片进行分割之前,所述方法还包括:
对所述目标图像进行预处理,其中,所述预处理至少包括去噪处理、平滑处理和增强处理。
7.一种应用开发装置,其特征在于,包括:
图片分割模块,用于获取目标图片,对所述目标图片进行分割,得到至少一个组件切片,其中每个组件切片包括一个组件子区域和该组件对应的文本描述子区域;
循环处理模块,用于依次对每个组件切片执行如下操作:对所述文本描述子区域进行文本识别,得到文本识别结果;基于预先构建的元数据仓库,确定所述文本识别结果对应的元数据模型;对所述组件子区域进行组件分类识别,得到组件识别初始结果;根据所述元数据模型,从所述组件识别初始结果中确定所述组件切片所包括的目标组件、所述目标组件对应的标签文本和数据模型,其中,所述数据模型用于记录所述标签文本与所述目标组件的绑定关系;识别所述目标组件所属的交互场景;
应用生成模块,用于基于识别到的所有目标组件、每个目标组件各自对应的数据模型和每个目标组件所属的交互场景,生成应用服务;
该装置还包括元数据仓库构建模块,具体用于:
从数据源中提取数据库表和列的字段定义数据;
对提取到的字段定义数据进行预处理,得到至少一个目标字段定义数据;其中,一个目标字段定义数据作为一个元数据模型,且一个目标字段定义数据至少包括字段名、备注、存储特性、数据类型、数据长度和精度;
根据得到的至少一个目标字段定义数据构成元数据仓库;
根据所述元数据模型,从所述组件识别初始结果中确定所述组件切片所包括的目标组件、所述目标组件对应的标签文本和数据模型,包括:
根据所述组件识别初始结果中的组件与数据类型的映射关系,将所述组件识别初始结果中与所述元数据模型包括的数据类型对应的组件作为目标组件;
将所述元数据模型包括的字段名作为所述目标组件对应的标签文本;
构建包括所述标签文本与所述目标组件绑定关系的数据模型。
8.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一项所述的应用开发方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一项所述的应用开发方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011550154.XA CN112631586B (zh) | 2020-12-24 | 2020-12-24 | 一种应用开发方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011550154.XA CN112631586B (zh) | 2020-12-24 | 2020-12-24 | 一种应用开发方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112631586A CN112631586A (zh) | 2021-04-09 |
CN112631586B true CN112631586B (zh) | 2023-05-26 |
Family
ID=75324379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011550154.XA Active CN112631586B (zh) | 2020-12-24 | 2020-12-24 | 一种应用开发方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112631586B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113641589A (zh) * | 2021-09-01 | 2021-11-12 | 中国银行股份有限公司 | 一种数据处理方法及装置 |
CN114926830B (zh) * | 2022-05-30 | 2023-09-12 | 南京数睿数据科技有限公司 | 屏幕图像识别方法、装置、设备和计算机可读介质 |
CN116776849A (zh) * | 2023-06-06 | 2023-09-19 | 深圳市平方科技股份有限公司 | 船舶edi的模板编辑方法、装置、电子设备及存储介质 |
CN117406967B (zh) * | 2023-12-15 | 2024-03-22 | 卓望数码技术(深圳)有限公司 | 组件识别方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109783094A (zh) * | 2018-12-15 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 前端页面生成方法、装置、计算机设备及存储介质 |
CN110825374A (zh) * | 2019-11-04 | 2020-02-21 | 泰康保险集团股份有限公司 | 基于组件的页面生成方法及装置、电子设备和存储介质 |
CN111026832A (zh) * | 2019-11-15 | 2020-04-17 | 贝壳技术有限公司 | 用于生成文章的方法及系统 |
CN111291049A (zh) * | 2020-01-19 | 2020-06-16 | 软通动力信息技术有限公司 | 一种创建表的方法、装置、设备和存储介质 |
WO2020155763A1 (zh) * | 2019-01-28 | 2020-08-06 | 平安科技(深圳)有限公司 | Ocr识别方法及其电子设备 |
CN111782216A (zh) * | 2020-07-23 | 2020-10-16 | 平安银行股份有限公司 | 页面生成方法、服务器和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10929560B2 (en) * | 2017-04-28 | 2021-02-23 | Splunk Inc. | Identifying personally identifiable information in machine-generated data |
-
2020
- 2020-12-24 CN CN202011550154.XA patent/CN112631586B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109783094A (zh) * | 2018-12-15 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 前端页面生成方法、装置、计算机设备及存储介质 |
WO2020155763A1 (zh) * | 2019-01-28 | 2020-08-06 | 平安科技(深圳)有限公司 | Ocr识别方法及其电子设备 |
CN110825374A (zh) * | 2019-11-04 | 2020-02-21 | 泰康保险集团股份有限公司 | 基于组件的页面生成方法及装置、电子设备和存储介质 |
CN111026832A (zh) * | 2019-11-15 | 2020-04-17 | 贝壳技术有限公司 | 用于生成文章的方法及系统 |
CN111291049A (zh) * | 2020-01-19 | 2020-06-16 | 软通动力信息技术有限公司 | 一种创建表的方法、装置、设备和存储介质 |
CN111782216A (zh) * | 2020-07-23 | 2020-10-16 | 平安银行股份有限公司 | 页面生成方法、服务器和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112631586A (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112631586B (zh) | 一种应用开发方法、装置、电子设备和存储介质 | |
US10489126B2 (en) | Automated code generation | |
AU2017302250B2 (en) | Optical character recognition in structured documents | |
US10733754B2 (en) | Generating a graphical user interface model from an image | |
US8155444B2 (en) | Image text to character information conversion | |
CN101297319B (zh) | 在电子文档中嵌入热点 | |
US8412652B2 (en) | Apparatus and methods for operator training in information extraction | |
US20210366055A1 (en) | Systems and methods for generating accurate transaction data and manipulation | |
US11080563B2 (en) | System and method for enrichment of OCR-extracted data | |
US20220067618A1 (en) | Machine learning for automatic smart extraction and workflow assignment of action items | |
US10614125B1 (en) | Modeling and extracting elements in semi-structured documents | |
US10803233B2 (en) | Method and system of extracting structured data from a document | |
CN107688609B (zh) | 一种职位标签推荐方法和计算设备 | |
de Souza Baulé et al. | Recent Progress in Automated Code Generation from GUI Images Using Machine Learning Techniques. | |
CN117083605A (zh) | 用于文本-图像-布局变换器模型的迭代训练 | |
CN116721713B (zh) | 一种面向化学结构式识别的数据集构建方法和装置 | |
CN115546824B (zh) | 禁忌图片识别方法、设备及存储介质 | |
CN110147516A (zh) | 页面设计中前端代码的智能识别方法及相关设备 | |
CN113204333A (zh) | 软件界面设计稿前端元素识别方法 | |
Perel et al. | Learning multimodal affinities for textual editing in images | |
US20240135739A1 (en) | Method of classifying a document for a straight-through processing | |
US20210064862A1 (en) | System and a method for developing a tool for automated data capture | |
CN117111890A (zh) | 一种软件需求文档解析方法、设备及介质 | |
Xu et al. | A mobile financial reimbursement information collection system based on OCR | |
Li et al. | Ownership stamp character recognition system based on ancient character typeface |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |