[發明專利]文件的處理方法、設備及可讀存儲介質

在審

• 申請號: 202010750284.1
• 申請日: 2020-07-30
• 公開（公告）號: CN111898340A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 江國洲
• 申請（專利權）人: 北京字節跳動網絡技術有限公司
• 主分類號: G06F40/126
• 分類號: G06F40/126;G06F40/166;G06F16/16
• 代理公司: 上海光柵知識產權代理有限公司 31340
• 代理人: 喬慧;馬雯雯

本公開實施例提供的文件的處理方法、設備及可讀存儲介質，包括：接收字符分割值CSV文件，并將CSV文件中的文件內容轉換為字節數組；根據字節數組確定CSV文件的編碼格式；根據編碼格式確定CSV文件中的文件數據。本公開實施例提供的方法、設備及可讀存儲介質能夠將CSV文件轉換為字節數組，再基于字節數組確定文件的編碼格式，進而能夠準確的解析CSV文件，避免由于不知道文件格式編碼，導致出現數據亂碼、編碼錯誤的問題。

技術領域

本公開實施例涉及文件處理技術，尤其涉及一種文件的處理方法、設備及可讀存儲介質。

背景技術

字符分割值(Comma-Separated Values，CSV)文件以純文本形式存儲表格數據(數字和文本)。純文本意味著該文件是一個字符序列，不含必須像二進制數字那樣被解讀的數據。CSV文件由任意數目的記錄組成，記錄間以某種換行符分隔；每條記錄由字段組成，字段間的分隔符是其它字符或字符串，最常見的是逗號或制表符。

CSV文件經常用來作為不同程序之間的數據交互的格式。因此，需要對CSV文件進行讀取操作，但是，CSV文件的編碼格式較多，在讀取CSV文件時容易造成數據亂碼、編碼錯誤等問題。

發明內容

本公開實施例提供一種文件的處理方法、設備及可讀存儲介質，以解決在處理CSV文件時出現的數據亂碼、編碼錯誤等問題。

第一方面，本公開實施例提供一種文件的處理方法，包括：

接收字符分割值CSV文件，并將所述CSV文件中的文件內容轉換為字節數組；

根據所述字節數組確定所述CSV文件的編碼格式；

根據所述編碼格式確定所述CSV文件中的文件數據。

在一種可能的設計中，所述根據所述編碼格式確定所述CSV文件中的文件數據，包括：

根據所述編碼格式確定解讀器，并通過所述解讀器讀取所述字節數組中包括的分隔符；

根據讀取的所述分隔符確定所述CSV文件中的文件數據。

在一種可能的設計中，所述根據所述字節數組確定所述CSV文件的編碼格式，包括：

識別所述字節數組中的字符分布方式，并根據所述字符分布方式確定所述CSV文件的編碼格式。

在一種可能的設計中，所述根據讀取的所述分隔符確定所述CSV文件中的文件數據，包括：

根據讀取到的多種分隔符的數量確定目標分隔符；

根據所述目標分隔符確定所述CSV文件中的文件數據。

在一種可能的設計中，將所述CSV文件中的文件內容轉換為字節數組時，若所述文件內容中包括預設字符，將所述CSV文件的編碼格式由第一類型轉換為第二類型。

在一種可能的設計中，所述將所述CSV文件的編碼格式由第一類型轉換為第二類型，包括：

刪除所述預設字符，并根據刪除所述預設字符后的文件內容確定所述字節數組。

在一種可能的設計中，所述預設字符是\ufeff。

在一種可能的設計中，還包括：

將所述文件數據封裝成符合預設格式的文檔；

其中，封裝后的所述文件數據在所述文檔中按所述預設格式顯示。

第二方面，本公開實施例提供一種文件的處理設備，包括：

轉換模塊，用于接收字符分割值CSV文件，并將所述CSV文件中的文件內容轉換為字節數組；