[發(fā)明專利]一種識(shí)別文件格式及對(duì)應(yīng)完整性的方法和設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 201611206211.6
• 申請(qǐng)日: 2016-12-23
• 公開（公告）號(hào): CN106844476A
• 公開（公告）日: 2017-06-13
• 發(fā)明（設(shè)計(jì)）人: 石印;張彥雷;高政偉
• 申請(qǐng)（專利權(quán)）人: 上海上訊信息技術(shù)股份有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 上海百一領(lǐng)御專利代理事務(wù)所(普通合伙)31243
• 代理人: 甘章乖

技術(shù)領(lǐng)域

本發(fā)明涉及一種數(shù)據(jù)處理技術(shù)，具體涉及一種識(shí)別文件格式及對(duì)應(yīng)完整性的方法和設(shè)備。

背景技術(shù)

文件格式是指電腦為了存儲(chǔ)信息而使用的對(duì)信息的特殊編碼方式，是用于識(shí)別內(nèi)部儲(chǔ)存的資料。對(duì)于硬盤機(jī)或任何電腦存儲(chǔ)來說，有效的信息只有0和1兩種。識(shí)別這些二進(jìn)制數(shù)到底表示的是怎樣的文件，是通過文件本身組織起來的方式即文件格式來進(jìn)行的。文件格式時(shí)組織文件的規(guī)范。每一種文件格式通常會(huì)有一種或多種擴(kuò)展名可以用來識(shí)別，但也可能沒有擴(kuò)展名。

現(xiàn)有操作系統(tǒng)對(duì)于文件格式的識(shí)別大多是根據(jù)文件名后綴識(shí)別文件類型,如windows系統(tǒng)；而在linux以及unix系統(tǒng)有file命令可以根據(jù)文件magic識(shí)別文件類型。但對(duì)于文件完整性并有統(tǒng)一的工具能夠檢測(cè)多種文件格式的完整性,而且file對(duì)于文件類型檢測(cè)也有其局限性。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明提供了一種識(shí)別文件格式及對(duì)應(yīng)完整性的方法。本發(fā)明提供的一種識(shí)別文件格式及對(duì)應(yīng)完整性的方法，根據(jù)實(shí)際需求，提供了一個(gè)不單純依賴文件擴(kuò)展名，而是根據(jù)實(shí)際文件二進(jìn)制內(nèi)容以及結(jié)構(gòu)特征來識(shí)別文件類型，并能快速判斷文件完整性，進(jìn)一步的使其他程序可以做文件后續(xù)處理。

本發(fā)明采用的技術(shù)方案如下：

一種識(shí)別文件格式的方法，包括如下步驟：

S11.建立文件屬性數(shù)據(jù)庫，所述文件屬性數(shù)據(jù)庫包括不同文件格式對(duì)應(yīng)的屬性以及與不同文件格式的屬性對(duì)應(yīng)的權(quán)重值；

S12.獲取待識(shí)別文件的文件屬性；

S13.將待識(shí)別文件的文件屬性與文件屬性數(shù)據(jù)庫中存儲(chǔ)的每種文件格式的文件屬性進(jìn)行比較，并根據(jù)相應(yīng)的權(quán)重值計(jì)算待識(shí)別文件與每種文件格式的匹配度；

S14.比較S13中得到的各個(gè)匹配度值，最高的匹配度值對(duì)應(yīng)的文件格式即為待識(shí)別文件的文件格式。

上述的識(shí)別文件格式的方法，其中，所述步驟S12包括如下內(nèi)容：

S121.判斷待識(shí)別文件是否有文件頭信息，如果有，至步驟S122，如果無，至步驟S123；

S121.獲取待識(shí)別文件的文件頭信息，通過該文件頭信息獲取待識(shí)別文件的文件屬性；

S123.直接獲取待識(shí)別文件的文件屬性。

上述的識(shí)別文件格式的方法，其中，還包括如下步驟：

S15.當(dāng)步驟S14得到的文件格式為包含子類型的格式時(shí)，對(duì)待識(shí)別文件做二次檢測(cè)。

上述的識(shí)別文件格式的方法，其中，所述包含子類型的格式為基于其他格式進(jìn)行封裝的新格式。例如html即為xml的子類型。當(dāng)S14得出的文件格式為諸如zip、xml、txt等包含子類型的格式時(shí)，對(duì)待識(shí)別文件做二次檢測(cè)；包含子類型的格式為基于其他格式進(jìn)行封裝的新格式。

上述的識(shí)別文件格式的方法，其中，還包括步驟S16，當(dāng)步驟S14得出的文件格式為多媒體文件格式時(shí)，對(duì)待識(shí)別文件進(jìn)行打開驗(yàn)證。

上述的識(shí)別文件格式的方法，其中，還包括步驟S16，當(dāng)步驟S15得出的文件格式為多媒體文件格式時(shí)，對(duì)待識(shí)別文件進(jìn)行打開驗(yàn)證。

上述的識(shí)別文件格式的方法，其中，對(duì)所述多媒體文件格式使用FFMPEG進(jìn)行打開驗(yàn)證。打開驗(yàn)證的驗(yàn)證結(jié)果為：是否能夠正常打開，并獲取相應(yīng)的多媒體信息。

目的是再次進(jìn)行對(duì)多媒體格式進(jìn)行確認(rèn)。因?yàn)槟承┨厥獾奈谋疚募钠鹗嘉谋緝?nèi)容可能恰好與文件頭標(biāo)志相符造成識(shí)別文件類型檢測(cè)誤報(bào)。

上述的識(shí)別文件格式的方法，其中，所述步驟S13.包括如下步驟：

S131.將待識(shí)別文件的文件屬性與文件屬性數(shù)據(jù)庫中的第N種文件格式的文件屬性逐項(xiàng)比對(duì)，如果內(nèi)容一致，取該屬性對(duì)應(yīng)的權(quán)重值，如果內(nèi)容不一致，則該權(quán)重值為0，最后計(jì)算待識(shí)別文件與第N種文件格式的匹配度，所述匹配度為各個(gè)屬性對(duì)應(yīng)的權(quán)重值之和；

S132.將待識(shí)別文件的文件屬性與文件屬性數(shù)據(jù)庫中的第N+1種文件格式的文件屬性逐項(xiàng)比對(duì)，如果內(nèi)容一致，取該屬性對(duì)應(yīng)的權(quán)重值，如果內(nèi)容不一致，則該權(quán)重值為0，最后計(jì)算待識(shí)別文件與第N+1種文件格式的匹配度，所述匹配度為各個(gè)屬性對(duì)應(yīng)的權(quán)重值之和。

上述的識(shí)別文件格式的方法，其中，所述步驟S14.包括如下步驟：

S141.比較步驟S131與步驟S132中得到的不同文件格式對(duì)應(yīng)的匹配度，取較大值；

S142.當(dāng)步驟S141中所得的較大值大于或者等于各個(gè)屬性總權(quán)重值之和的50％時(shí)，該匹配度對(duì)應(yīng)的文件格式即為待識(shí)別文件格式。