[发明专利]一种识别缓存文件的方法及装置

说明书

技术领域

本发明涉及互联网领域，特别涉及一种识别缓存文件的方法及装置。

背景技术

web代理网关可以通过缓存网站静态文件(资源)来达到对网站进行加速的目的，传统的web代理网关一般是通过文件名后缀来识别文件类型，并根据识别出的文件类型来确定是否要对文件进行缓存，如ajpg、b.png被识别为图片文件，为可缓存文件。

但是，网站出于对内容的保护，有时候会去掉文件的文件名后缀进行传输，传统的web代理网关就不能对此类文件进行缓存加速。另外，有些网站出于某些目的(或者出错)，实际传输的文件内容并不是文件名后缀标识的文件类型，这种情况传统的web代理就有可能会对不应该缓存的文件进行缓存，而导致违背源站的目的。

可见，传统的web代理网关通过文件后缀进行判断是否需要对文件进行缓存，而没有文件名后缀的可以缓存资源就会被遗漏，同时当文件名后缀标识的文件类型和文件内容不相符的时候也不能进行验证。

发明内容

有鉴于此，本发明的目的是提供一种识别缓存文件的方法及装置，以提高对传输的数据文件的文件类型识别的准确性，进而提高对文件进行缓存的准确性。

为实现上述目的，本发明提供技术方案如下：

一种识别缓存文件的方法，应用于web代理网关中，所述方法包括：

A、根据文件名后缀和/或http头中的Content-Type字段内容，对http数据中承载的数据文件的文件类型进行初步识别，当通过所述初步识别得到了所述数据文件的文件类型时，进入步骤B，当通过所述初步识别未能得到所述数据文件的文件类型时，进入步骤C；

B、根据所述数据文件的文件头部对所述初步识别得到的文件类型进行验证，当验证结果正确时，将所述初步识别得到的文件类型确定为真正文件类型，进入步骤D，当验证结果错误时，进入步骤C；

C、根据所述数据文件的文件头部确定所述数据文件的真正文件类型；

D、根据所述数据文件的真正文件类型确定所述数据文件是否为可缓存文件。

上述的方法，步骤B中，根据所述数据文件的文件头部对所述初步识别得到的文件类型进行验证，具体包括：

将所述数据文件的文件头部与所述初步识别得到的文件类型的内容特征进行匹配，匹配成功时，确定验证结果正确，匹配失败时，确定验证结果错误。

上述的方法，步骤C具体包括：

将所述数据文件的文件头部依次与已知文件类型库中的每种文件类型的内容特征进行匹配，并将匹配到的文件类型作为所述数据文件的真正文件类型。

上述的方法，步骤C中，将所述数据文件的文件头部优先与图片文件的内容特征进行匹配。

一种识别缓存文件的装置，应用于web代理网关中，所述装置包括：

第一识别单元，用于根据文件名后缀和/或http头中的Content-Type字段内容，对http数据中承载的数据文件的文件类型进行初步识别，当通过所述初步识别得到了所述数据文件的文件类型时，触发验证单元，当通过所述初步识别未能得到所述数据文件的文件类型时，触发第二识别单元；

验证单元，用于根据所述数据文件的文件头部对所述初步识别得到的文件类型进行验证，当验证结果正确时，将所述初步识别得到的文件类型确定为真正文件类型，触发缓存识别单元，当验证结果错误时，触发第二识别单元；

第二识别单元，用于根据所述数据文件的文件头部确定所述数据文件的真正文件类型；

缓存识别单元，用于根据所述数据文件的真正文件类型确定所述数据文件是否为可缓存文件。

上述的装置，其中，所述验证单元进一步用于：

将所述数据文件的文件头部与所述初步识别得到的文件类型的内容特征进行匹配，匹配成功时，确定验证结果正确，匹配失败时，确定验证结果错误。

上述的装置，其中，所述第二识别单元进一步用于：

将所述数据文件的文件头部依次与已知文件类型库中的每种文件类型的内容特征进行匹配，并将匹配到的文件类型作为所述数据文件的真正文件类型。

上述的装置，其中，所述第二识别单元将所述数据文件的文件头部优先与图片文件的内容特征进行匹配。

本发明通过结合http头中的Content-Type字段内容以及http数据流来进行文件类型识别的综合判断，能够准确获知当前传输的文件类型，从而达到对可以缓存文件不遗漏的目的，并能够防止对不应该缓存的文件错误的进行缓存。

附图说明