HTML 实体识别使用说明

可以理解为「把一条样本里的 HTML 渲染成可读正文，再按项目定义的实体类型（如标题、作者、正文）框选或修正片段」。例如论坛帖、工单或文章页场景中，从已带 header-tag、author-tag 等类名的 DOM 结构出发，人工确认或补全实体边界，便于构建网页级序列标注与抽取评测数据。

标注核心作用#

1. HyperText 将 $shtml 中的 HTML 渲染为可交互文本层，支持在可见内容上直接划选；
2. HyperTextLabels 提供多类实体标签及颜色，通常配合快捷键（如 1 / 2 / 3）加速标注；
3. 导出结果可与源 HTML 偏移或平台内部索引对齐，便于与预标注流水线、后处理脚本衔接。

基础操作步骤#

1. 阅读任务说明，明确「标题」「作者」「正文」等业务含义与边界规则；
2. 在顶部选择实体类型的标签；
3. 在正文区域框选对应片段；若存在预上色或预框，仅做核对与修正。

说明：截图中①②示意标签栏与已标注片段的对应关系；绿色为「标题」、蓝色为「作者」，未着色部分可按规范补标「正文」等类型。

注意事项#

• data.shtml 须为合法 HTML 字符串；特殊字符需按 JSON 正确转义；
• 类名（如 header-tag、author-tag、content-block）仅用于数据侧组织或预标注，界面上的实体类型以 HyperTextLabels 的 Label 为准；
• 复杂脚本、外链资源可能被平台安全策略过滤，宜使用静态、内联样式可控的片段做样本；
• 若需整段分类而非片段实体，请改用文档级 Choices 等模版。

模板预览#

模板配置#

完整代码块#

<View>
  <HyperTextLabels name="ner" toName="text">
    <Label value="标题" background="green"/>
    <Label value="作者" background="blue"/>
    <Label value="正文" background="yellow"/>
  </HyperTextLabels>

  <View style="border: 1px solid #CCC;
               border-radius: 10px;
               padding: 5px">
    <HyperText name="text" value="$shtml"/>
  </View>
</View>

配置代码说明#

以上代码为「实体标签栏 + 带边框的正文区」，正文区渲染任务数据中的 HTML。

1、标签：HyperTextLabels name="ner" toName="text" 声明命名实体类型集合；每个 Label 的 value 为导出中的类型名，background 为标注高亮色。

2、绑定：toName="text" 与下方 HyperText name="text" 一致，表示这些标签作用于该文本对象。

3、正文：HyperText name="text" value="$shtml" 从任务数据的 shtml 字段加载 HTML 字符串并渲染；外层 View 的 style 仅控制容器边框与内边距，可按项目调整。

说明

• 代码可直接复制到标注配置文件中使用；
• 示例中首段对应「标题」、作者名为「作者」的常见布局，实际项目请替换为业务 HTML 并保持字段名与 value="$shtml" 一致。