[发明专利]一种文件类型的识别方法和装置

权利要求书

1.一种文件类型的识别方法，其特征在于，包括：

获取预定文件类型的多个第二文本特征、以及每个第二文本特征对应的语法规则，所述第二文本特征包括所述预定文件类型的文件中的关键字，所述语法规则的语法特征信息包括所述预定文件类型的文件中表征语法规则的字符，不同预定文件类型的文件至少存在一个相同的第二文本特征，至少一个相同的第二文本特征在不同预定文件类型的文件中的语法特征信息不同；

建立每个第二文本特征与对应语法规则之间的对应关系；

读取待识别文件中的第一文本特征，将第一文本特征与预定文件类型的多个第二文本特征进行匹配；

当第一文本特征与其中一个第二文本特征匹配成功，则根据所述对应关系获取匹配成功的第二文本特征对应的语法规则；

根据获取的语法规则确定第一文本特征携带的表达式，以及对第一文本特征携带的表达式进行语法解析；

若第一文本特征携带的表达式的语法符合获取的语法规则，则将待识别文件的文件类型识别为所述预定文件类型。

2.根据权利要求1所述的识别方法，其特征在于，所述根据获取的语法规则确定第一文本特征携带的表达式，以及对第一文本特征携带的表达式进行语法解析，包括：

根据获取的语法规则确定表征所述语法规则的语法特征信息；

判断第一文本特征携带的表达式中是否存在与所述语法特征信息对应的目标特征信息，以对第一文本特征携带的表达式进行语法解析；

若存在所述目标特征信息，则判断第一文本特征携带的表达式的语法符合获取的语法规则。

3.根据权利要求1所述的识别方法，其特征在于，所述将第一文本特征与预定文件类型的多个第二文本特征进行匹配之后，还包括：

当第一文本特征与多个第二文本特征均匹配不成功，则判断第一文本特征是否为待识别文件的结束标记；

若第一文本特征为待识别文件的结束标记，则将待识别文件的文件类型识别为所述预定文件类型。

4.根据权利要求1所述的识别方法，其特征在于，

所述读取待识别文件中的第一文本特征，将第一文本特征与预定文件类型的多个第二文本特征进行匹配，包括：依次读取待识别文件中的多个单词，将读取到的一个单词作为一个第一文本特征，每读取一个单词，则将当前读取到的单词与预定文件类型的多个第二文本特征进行匹配；

所述若第一文本特征携带的表达式的语法符合预设的语法规则，则将待识别文件的文件类型识别为所述预定文件类型，包括：当读取到的多个单词携带的表达式的语法均符合预设的相应语法规则时，将待识别文件的文件类型识别为预定文件类型。

5.根据权利要求4所述的识别方法，其特征在于，所述依次读取待识别文件中的多个单词，包括：

根据预设的获取规则获取待识别文件中的部分文本内容；

依次读取所述部分文本内容中的多个单词，以获取待识别文件中的多个单词。

6.一种文件类型的识别装置，其特征在于，包括：

匹配模块，用于获取预定文件类型的多个第二文本特征、以及每个第二文本特征对应的语法规则，所述第二文本特征包括所述预定文件类型的文件中的关键字，所述语法规则的语法特征信息包括所述预定文件类型的文件中表征语法规则的字符，不同预定文件类型的文件至少存在一个相同的第二文本特征，至少一个相同的第二文本特征在不同预定文件类型的文件中的语法特征信息不同，建立每个第二文本特征与对应语法规则之间的对应关系，读取待识别文件中的第一文本特征，将第一文本特征与预定文件类型的多个第二文本特征进行匹配；

获取模块，用于当第一文本特征与其中一个第二文本特征匹配成功，则根据所述对应关系获取匹配成功的第二文本特征对应的语法规则；

解析模块，用于根据获取的语法规则确定第一文本特征携带的表达式，以及对第一文本特征携带的表达式进行语法解析；

处理模块，用于若第一文本特征携带的表达式的语法符合获取的语法规则，则将待识别文件的文件类型识别为所述预定文件类型。