[发明专利]一种文件类型的识别方法和装置

说明书

本发明实施例公开了一种文件类型的识别方法和装置；本发明实施例在识别文件类型时，可以将待识别文件中的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，则获取匹配成功的第二文本特征对应的语法规则，并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；该方案可以提高文件类型识别的准确性，降低误判的几率。

技术领域

本发明涉及计算机技术领域，具体涉及一种文件类型的识别方法和装置。

背景技术

文件类型的多样性，会给有关数据保密以及信息安全等方面带来威胁，通过对一些文件类型的识别和阻断，可以避免互联网上木马和病毒的传播，还可以避免保密文件的泄漏。

文本文件是一种由若干行字符构成的计算机文件，文本文件大部分为脚本语言类文件，即使用脚本语言创建的文件，脚本语言例如有javascript、python、以及php(Hypertext Preprocessor，超文本预处理器)，等等。脚本语言类文件一般是根据所使用的脚本语言以特定后缀名(如.reg，.vbs，.js或.inf等)进行保存，例如javascript脚本语言文件以.js的后缀名进行保存。现有技术通常是基于文件后缀名来确定文本文件的类型，例如检测到文件的后缀名为“js”，则判断文件类型是javascript脚本语言文件。

在对现有技术的研究和实践过程中，本发明的发明人发现，现有文本文件类型的识别方式，识别准确率较低，一旦文件的后缀名被修改，将会识别出错误的文件类型，造成误判。

发明内容

本发明实施例提供一种文件类型的识别方法和装置，可以提高文件类型识别的准确性，减小误判的几率。

本发明实施例提供一种文件类型的识别方法，包括：

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，每个第二文本特征对应一个语法规则；

当第一文本特征与其中一个第二文本特征匹配成功，则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。

相应的，本发明实施例还提供一种文件类型的识别装置，包括：

匹配模块，用于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，每个第二文本特征对应一个语法规则；

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。