Kontractsammenligning

HPDFContractCompare sammenligner den semantiske tekst og linjegeometrien i to indlæste PDF-dokumenter, justerer afsnit og returnerer reviderbare insert-, delete-, replace- og move-records

Brug denne helper til gennemgang af formuleringer og klausuler, og brug THPDFDocComparison til side-, objekt- og renderede forskelle

Sammenlign indlæste kontrakter

uses HPDFDoc, HPDFTypes, HPDFContractCompare;

Options := HPDFDefaultContractCompareOptions;
Options.Granularity := ccgWord;
BeforePDF.LoadFromFile('contract-before.pdf');
AfterPDF.LoadFromFile('contract-after.pdf');
if HPDFCompareContracts(BeforePDF, AfterPDF, Options, Report, Token) then
begin
  HTML := HPDFContractReviewHTML(Report, 'Services agreement review',
    8388608, Token);
  HPDFSaveContractAnnotatedPDF('contract-before.pdf',
    'contract-before-review.pdf', Report, ccsBefore, Token);
  HPDFSaveContractAnnotatedPDF('contract-after.pdf',
    'contract-after-review.pdf', Report, ccsAfter, Token);
end;

Gem det returnerede HTML som UTF-8, og undersøg Report.Status og Report.Note, når sammenligningsfunktionen returnerer false

Afsnitsjustering og ændringer

• Semantiske linjer grupperes ud fra side-, kolonne-, liste- eller overskriftgrænser og konfigurerbare baseline-afstande, med whitespace normaliseret mellem linjer
• Eksakt ens afsnit parres først, og gentagne identiske brødtekstklausuler bevarer forekomstrækkefølge og multipllicitet
• Ændrede afsnit matches med en konfigurerbar multiset-lighedsscore for ord, uafhængigt af den valgte forskelsgranularitet
• En længste voksende sekvens af parrede afsnit identificerer omrokering uden at rapportere almindelige indeksforskydninger fra indsættelser og sletninger som moves
• Ændrede matchede afsnit bruger en afgrænset token-alignment til at returnere insert-, delete- eller replace-records med begge fulde afsnitskontekster
• Ordtilstand adskiller tegnsætning fra ord, og sætningstilstand bruger afsluttende punktum, udråbstegn eller spørgsmålstegn efterfulgt af whitespace eller afsnittets slutning
• Sætningsgrænser er leksikalske og kan dele forkortelser eller nummererede klausulmærker, så ordtilstand er standarden til præcis juridisk gennemgang af formuleringer
• JoinPageContinuations forbinder konservativt et uafsluttet afsnit nær bunden af en side med et almindeligt afsnit nær toppen af den næste side, og kalderen kan deaktivere denne layoutheuristik

Side- og geometrireferencer

PageIndex og ParagraphIndex er nulbaserede, mens CharacterStart er en 1-baseret UTF-16-position inden i det whitespace-normaliserede afsnit

En fraværende side af en helafsnits-indsættelse eller -sletning har side- og afsnitsindeks -1, og en token-indsættelse eller -sletning inden i et matchet afsnit bevarer en position med længden nul på den modsatte side

Hvert rektangel bærer sit eget sideindeks og dækker en skærende semantisk linje i PDF-brugerrummet, og et afsnit, der spænder over sider, kan have rektangler på flere sider

Lokationer beskriver linjedækning frem for præcise tegnkvadrilateraler, så en annoteret PDF kan fremhæve samme linje for flere uafhængige ordændringer

Udelad tilbagevendende sideelementer og boilerplate

Standardværdierne udelader matchende semantiske linjer, der optræder inden for de øverste eller nederste 54 punkter på mindst to forskellige sider af hvert input, og normaliserer margin-cifre, så gentagne sidetal kan matche

Før- og efterdokumenterne filtreres uafhængigt, og gentagelser i brødteksten forbliver kvalificerede til sammenligning uanset hvor mange gange de optræder

Options.IgnoreRepeatedHeadersFooters := False;
Options.NormalizeMarginDigits := False;
Options.HeaderMarginPoints := 40;
Options.FooterMarginPoints := 35;
SetLength(Options.ExcludedLineTexts, 1);
Options.ExcludedLineTexts[0] :=
  'The parties shall maintain an accurate register of approved subcontractors.';

ExcludedLineTexts fjerner en komplet semantisk linje ved bogstavelig lighed efter whitespace-normalisering, respekterer IgnoreCase og fortolker aldrig regulære udtryk eller substring-mønstre

Vælg marginer og udeladelser bevidst, fordi datoer eller anden kontrakttekst inde i en udeladt tilbagevendende marginlinje udelades fra gennemgangen af formuleringer

Budgetter og annullering

En budgetgrænse returnerer ccsBudgetExceeded, og annullering returnerer ccsCancelled, med delvise fund gemt til diagnostik og markeret som ufuldstændige i HTML

Annullering tjekkes mellem sideudtræk og gennem hele biblioteksejet alignment-arbejde, mens den underliggende enkeltside-semantiske ekstraktor forbliver synkron

ccsInvalidInput rapporterer manglende dokumenter, ugyldige enum-ordinals eller ugyldige tilvalg, og ccsExtractionFailed rapporterer sider uden udtrækkelig tekst eller fejlet semantisk udtræk

OCR eller eksplicit fjernelse af tomme sider kræves, før sider uden udtrækkelig tekst sammenlignes, og ccsComplete attesterer kun fuldførelsen af denne tekstsammenligning

Review-artefakter

HPDFContractReviewHTML returnerer et selvstændigt dokument med escaped titel, beskeder, tekst, fulde afsnitskontekster, ændringstyper og begge kildelokationer, med en outputgrænse på 8388608 UTF-16-tegn som standard

HTML-eksportøren udløser EHPDFContractCompareBudget, når dens output overskrider den konfigurerede grænse, og dens cancellation token udløser EHPDFOperationCancelled

HPDFSaveContractAnnotatedPDF kræver en fuldført rapport, indlæser et separat kildedokument og tjekker hvert semantisk side-snapshot inklusive dets præcise linjegeometri, før der tilføjes fremhævninger med nummererede review-kommentarer

Angiv forskellige kilde- og outputstier, vælg ccsBefore eller ccsAfter, og eksportér begge versioner, når du skal gennemgå helafsnits-sletninger og -indsættelser sammen

På Windows tjekkes kilde- og outputfilidentiteter for at afvise hardlink- eller andre aliasser af kildefilen

PDF-eksportøren deaktiverer AutoLaunch, lader inputdokumenter og kildefil stå uændrede og tjekker annullering før indlæsning, mellem sider og ændringer samt før gemning

Denne helper sammenligner udtrukne formuleringer og layoutreferencer uden at udlede juridisk betydning, genkende skannet tekst eller attestere en revisions juridiske effekt

Relaterede API'er

HPDFCompareContracts · THPDFContractCompareOptions · THPDFContractCompareReport · HPDFContractReviewHTML · HPDFSaveContractAnnotatedPDF