[发明专利]一种文件解析方法、装置、电子设备及存储介质

说明书

本申请提供了一种文件解析方法、装置、电子设备及存储介质，包括：(A)确定目标Office文件，目标Office文件为在终端设备上实时操作的Office文件；(B)确定当前层的待解析Office文件的目标文件类型；(C)按照与目标文件类型对应的文件目录解析逻辑，获得待解析Office文件的文件目录；(D)根据文件目录，输出待解析Office文件的文件属性信息和文件内容；(E)根据文件目录，确定待解析Office文件中是否存在嵌套文件；(F)若待解析Office文件中存在嵌套文件，则获取嵌套文件，并将嵌套文件作为待解析Office文件，以返回执行步骤(B)。

技术领域

本申请涉及文件解析技术领域，具体而言，涉及一种文件解析方法、装置、电子设备及存储介质。

背景技术

市面上主流Office嵌套文件套件提供商有微软Microsoft Office、金山WPSOffice、永中Office等，也有一些开源软件如Open Office和Libre Office。上述文件格式类型可归为OLE、ODF和OOXML三大类，不同版本的文件格式也是有差别的。现有的微软Windows API接口、NET NPOI库或Java POI类库等平台对文件进行解析时，通常存在对于嵌套文件解析不完全、文件格式不兼容以及解析效率差的问题。因此需要一种兼容性强、解析内容全面的跨平台Office嵌套文件内容的解析方法。

发明内容

有鉴于此，本申请的目的在于提供一种文件解析方法、装置、电子设备及存储介质，通过一个平台对多种文件格式的Office嵌套文件进行全面的解析。

第一方面，本申请实施例提供一种文件解析方法，包括：(A)确定目标Office文件，目标Office文件为在终端设备上实时操作的Office文件；(B)确定当前层的待解析Office文件的目标文件类型；(C)按照与目标文件类型对应的文件目录解析逻辑，获得待解析Office文件的文件目录；(D)根据文件目录，输出待解析Office文件的文件属性信息和文件内容；(E)根据文件目录，确定待解析Office文件中是否存在嵌套文件；(F)若待解析Office文件中存在嵌套文件，则获取嵌套文件，并将嵌套文件作为待解析Office文件，以返回执行步骤(B)。

优选地，嵌套文件包括多个，其中，步骤(F)包括：(F1)若确定待解析Office文件中存在多个嵌套文件，则遍历多个嵌套文件，并确定i是否等于m，m为当前层的待解析Office文件中的嵌套文件的数量，i的初始值为零；(F2)若i不等于m，则使得i＝i+1，并将第i个嵌套文件作为当前层的待解析Office文件，返回执行步骤(B)；(F3)若i等于m，则完成对待解析Office文件的解析。

优选地，通过以下方式确定待解析Office文件的目标文件类型：确定待解析Office文件的文件签名，根据文件签名确定待解析Office文件的目标文件类型；和/或确定待解析Office文件的文件拓展名，根据文件拓展名确定待解析Office文件的目标文件类型；和/或确定待解析Office文件的文件目录的数据结构，根据所述数据结构确定待解析Office文件的目标文件类型。

优选地，在初次执行步骤(B)时，当前层的待解析Office文件为目标Office文件本身，在非初次执行步骤(B)时，当前层的待解析Office文件为嵌套文件。

优选地，方法还包括：

针对所述待解析Office文件中确定出的文件内容和/或文件属性，将其转换为与目标Office文件对应的解析文件，其中，文件内容至少包括文字、图片、音视频、压缩包和嵌套文件中的一个或多个，对于文件内容中的文字，将文字转换为txt格式的文本文件；对于文件内容中的图片、音视频或压缩包，根据文件内容的原始格式输出对应的图片、音视频或压缩包；对于文件内容中的嵌套文件，根据所述嵌套文件的文件拓展名输出对应文档格式的Office文件；对于文件内容中的嵌套文件的图标，将嵌套文件的图标转换为emf格式的图片文件。