[發(fā)明專利]基于mbx格式的郵件正文的獲取方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201310521274.0
• 申請日: 2013-10-28
• 公開（公告）號: CN103559244A
• 公開（公告）日: 2014-02-05
• 發(fā)明（設(shè)計）人: 吳子章;劉申
• 申請（專利權(quán)）人: 東軟集團(tuán)股份有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京鴻元知識產(chǎn)權(quán)代理有限公司 11327
• 代理人: 陳英俊

技術(shù)領(lǐng)域

本發(fā)明涉及計算機(jī)數(shù)據(jù)通信技術(shù)領(lǐng)域，更為具體地，涉及一種基于mbx格式的郵件正文的獲取方法及系統(tǒng)。

背景技術(shù)

隨著社會的進(jìn)步和技術(shù)的發(fā)展，電子郵件已經(jīng)成為人們工作中主要的通信手段。如今互聯(lián)網(wǎng)上對于郵件正文的獲取與過濾，扮演著防止數(shù)據(jù)泄露與攔截垃圾郵件等重要角色，越來越受到網(wǎng)絡(luò)管理者的關(guān)注與重視，對于海量的mbx格式郵件正文的提取，直接為不同操作系統(tǒng)的防止數(shù)據(jù)泄露與垃圾郵件過濾等提供重要的原材料，在整個網(wǎng)絡(luò)防護(hù)系統(tǒng)中起到提取關(guān)鍵信息的預(yù)處理作用，同時其性能直接影響到整個防護(hù)系統(tǒng)乃至整個網(wǎng)絡(luò)拓?fù)涞耐掏铝俊?/p>

在當(dāng)前郵件正文的提取方法中，mbx格式的郵件因存儲多封郵件，處理起來會消耗很多時間，當(dāng)防火墻或網(wǎng)上的服務(wù)器需要處理大量mbx格式的郵件數(shù)據(jù)庫時，獲取郵件正文的時間消耗會與郵件大小成正比例增加，在獲取郵件正文的過程中，需要對郵件的頭部特征進(jìn)行搜索與定位，而傳統(tǒng)的特征搜索算法無論是多模還是單模，都需要對郵件內(nèi)容進(jìn)行反復(fù)地遍歷，以致消耗很多的時間；同時，頻繁地訪問磁盤也對系統(tǒng)的性能帶來極大的損耗，延長了海量mbx格式郵件正文提取的時間。

發(fā)明內(nèi)容

鑒于上述問題，本發(fā)明的目的是提供一種基于mbx格式的郵件正文的獲取方法及系統(tǒng)，以解決在提取mbx格式郵件正文的過程中，頻繁訪問磁盤造成系統(tǒng)性能損耗的問題，提高提取mbx格式郵件正文的效率。

本發(fā)明提供一種基于mbx格式的郵件正文的獲取方法，包括：

將mbx格式的郵件批量映射到內(nèi)存；將批量映射到內(nèi)存的mbx格式的郵件的首行轉(zhuǎn)換成模式串，并將模式串的前六個字節(jié)作為模式子串，在批量映射到內(nèi)存的mbx格式的郵件除首行之外的其余行的首部位置添加標(biāo)志；

將每行標(biāo)志后的六個字節(jié)形成數(shù)據(jù)塊映射到緩存上，然后對數(shù)據(jù)塊進(jìn)行分組，篩選出每組數(shù)據(jù)塊中的模式子串，并記錄模式子串的位置；并且，通過查找每行首部位置的標(biāo)志確定并記錄空行的位置；

通過匹配空行的位置和模式子串的位置確定郵件正文的位置；

根據(jù)所確定的郵件正文的位置獲取郵件正文。

本發(fā)明還提供一種基于mbx格式的郵件正文的獲取系統(tǒng)，包括：

郵件映射單元，用于將mbx格式的郵件批量映射到內(nèi)存；

模式串轉(zhuǎn)換單元，用于將批量映射到內(nèi)存的mbx格式的郵件的首行轉(zhuǎn)換成模式串；

模式子串生成單元，用于將模式串的前六個字節(jié)作為模式子串；

標(biāo)志添加單元，用于在批量映射到內(nèi)存的mbx格式的郵件除首行之外的其余行的首部位置添加標(biāo)志；

數(shù)據(jù)塊映射單元，用于將每行標(biāo)志后的六個字節(jié)形成數(shù)據(jù)塊映射到緩存上；

數(shù)據(jù)塊分組單元，用于對映射到緩存上的數(shù)據(jù)塊進(jìn)行分組；

模式子串篩選單元，用于篩選出每組數(shù)據(jù)塊中的模式子串；

模式子串記錄單元，用于記錄篩選出的模式子串的位置；

空行位置確定單元，用于通過查找標(biāo)志確定空行的位置；

空行位置記錄單元，用于記錄確定出的空行的位置；

郵件正文確定單元，用于通過匹配空行的位置和模式子串的位置確定郵件正文的位置；

郵件正文獲取單元，用于根據(jù)所確定的郵件正文的位置獲取郵件正文。

利用上述根據(jù)本發(fā)明提供的基于mbx格式的郵件正文的獲取方法及系統(tǒng)，通過批量地將郵件數(shù)據(jù)映射到內(nèi)存，來減少頻繁訪問磁盤帶來的損耗，通過跨行匹配、與在緩存上進(jìn)行的跨數(shù)據(jù)塊匹配，極大地降低復(fù)雜模式串的匹配幾率，根據(jù)mbx格式特征實時地調(diào)節(jié)數(shù)據(jù)塊尺度，從而提升模式子串預(yù)匹配的性能，而且本發(fā)明采用的分段hash映射方法，第一段的hash查詢與第二段的精確過濾相結(jié)合，將沖突發(fā)生的概率降到百萬分之一，由于模式匹配過程的性能提升，帶來整體郵件正文提取性能的提升。

為了實現(xiàn)上述以及相關(guān)目的，本發(fā)明的一個或多個方面包括后面將詳細(xì)說明并在權(quán)利要求中特別指出的特征。下面的說明以及附圖詳細(xì)說明了本發(fā)明的某些示例性方面。然而，這些方面指示的僅僅是可使用本發(fā)明的原理的各種方式中的一些方式。此外，本發(fā)明旨在包括所有這些方面以及它們的等同物。

附圖說明

通過參考以下結(jié)合附圖的說明及權(quán)利要求書的內(nèi)容，并且隨著對本發(fā)明的更全面理解，本發(fā)明的其它目的及結(jié)果將更加明白及易于理解。在附圖中：

圖1為mbx格式郵件的結(jié)構(gòu)圖；

圖2為根據(jù)本發(fā)明的基于mbx格式的郵件正文的獲取方法的流程圖；

圖3為根據(jù)本發(fā)明實施例的基于mbx格式的郵件正文的獲取方法的流程圖；