[發(fā)明專利]基于正反向字詞庫的文件編碼識別方法及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110207815.7
• 申請日: 2019-04-19
• 公開（公告）號: CN113064862B
• 公開（公告）日: 2022-06-07
• 發(fā)明（設(shè)計）人: 劉德建;陳叢亮;郭玉湖
• 申請（專利權(quán)）人: 福建天晴數(shù)碼有限公司
• 主分類號: G06F16/16
• 分類號: G06F16/16;H03M7/30
• 代理公司: 福州市博深專利事務(wù)所(普通合伙) 35214
• 代理人: 顏麗蓉

1.一種基于正反向字詞庫的文件編碼識別方法，其特征在于，包括：

采集樣本文件，所述樣本文件包括各種語言的非亂碼文本；

分別將所述樣本文件的文件編碼轉(zhuǎn)換為預(yù)設(shè)的編碼集合中的各編碼，并根據(jù)轉(zhuǎn)換后的樣本文件，生成各編碼對應(yīng)的正向字詞庫；

分別將所述樣本文件通過所述編碼集合中與其文件編碼不同的其他編碼進(jìn)行解碼，得到亂碼文件，并記錄所述亂碼文件的編碼轉(zhuǎn)化方向，所述編碼轉(zhuǎn)化方向包括文件編碼和解碼編碼；

根據(jù)所述亂碼文件，生成其編碼轉(zhuǎn)化方向?qū)?yīng)的反向字詞庫；

獲取待識別文件；

依次通過所述編碼集合中的一編碼對所述待識別文件進(jìn)行解碼；

獲取解碼后的待識別文件中的詞語和單字，并分別將所述詞語和單字在所述一編碼對應(yīng)的正向字詞庫以及第一編碼轉(zhuǎn)化方向?qū)?yīng)的反向字詞庫中進(jìn)行匹配，得到正向匹配數(shù)和反向匹配數(shù)，所述第一編碼轉(zhuǎn)化方向中的解碼編碼為所述一編碼；

若所述正向匹配數(shù)大于所述反向匹配數(shù)，則將所述一編碼作為所述待識別文件的文件編碼；

所述分別將所述樣本文件的文件編碼轉(zhuǎn)換為預(yù)設(shè)的編碼集合中的各編碼，并根據(jù)轉(zhuǎn)換后的樣本文件，生成各編碼對應(yīng)的正向字詞庫具體為：

將所述樣本文件的文件編碼轉(zhuǎn)換為預(yù)設(shè)的編碼集合中的一編碼；

獲取轉(zhuǎn)換后的樣本文件中所有的單字，生成所述一編碼對應(yīng)的正向字庫；

獲取轉(zhuǎn)換后的樣本文件中所有的連續(xù)且非空格的兩個字符，生成所述一編碼對應(yīng)的正向詞庫；

所述根據(jù)所述亂碼文件，生成其編碼轉(zhuǎn)化方向?qū)?yīng)的反向字詞庫具體為：

獲取一亂碼文件中所有的單字，生成所述一亂碼文件的編碼轉(zhuǎn)化方向?qū)?yīng)的反向字庫；

獲取一亂碼文件中所有連續(xù)且非空格的兩個字符，生成所述一亂碼文件的編碼轉(zhuǎn)化方向?qū)?yīng)的反向詞庫；

所述依次通過所述編碼集合中的一編碼對所述待識別文件進(jìn)行解碼的步驟至所述若所述正向匹配數(shù)大于所述反向匹配數(shù)則將所述一編碼作為所述待識別文件的文件編碼的步驟具體為：

獲取所述編碼集合中的一編碼，并通過所述一編碼對所述待識別文件進(jìn)行解碼；

獲取解碼后的待識別文件中的詞語，所述詞語為連續(xù)且非空格的兩個字符；

將所述詞語與所述一編碼對應(yīng)的正向詞庫進(jìn)行匹配，得到第一正向匹配數(shù)；

將所述詞語分別與第一編碼轉(zhuǎn)化方向?qū)?yīng)的各反向詞庫進(jìn)行匹配，得到所述各反向詞庫的第一反向匹配數(shù)，所述第一編碼轉(zhuǎn)化方向中的解碼編碼為所述一編碼；

將所述各反向詞庫的第一反向匹配數(shù)相加，得到第二反向匹配數(shù)；

若所述第一正向匹配數(shù)大于所述第二反向匹配數(shù)，則將所述一編碼作為待識別文件的文件編碼；

若所述第一正向匹配數(shù)小于所述第二反向匹配數(shù)，則獲取第一反向匹配數(shù)最大的反向詞庫對應(yīng)的編碼轉(zhuǎn)化方向中的文件編碼，并將所述文件編碼作為一編碼，繼續(xù)執(zhí)行所述通過所述一編碼對所述待識別文件進(jìn)行解碼的步驟；

若所述第一正向匹配數(shù)和第二反向匹配數(shù)相等且均不為零，則獲取所述編碼集合中的下一編碼，并將所述下一編碼作為一編碼，繼續(xù)執(zhí)行所述通過所述一編碼對所述待識別文件進(jìn)行解碼的步驟；

若所述第一正向匹配數(shù)和第二反向匹配數(shù)均為零，則獲取解碼后的待識別文件中的單字；

將所述單字與所述一編碼對應(yīng)的正向字庫進(jìn)行匹配，得到第二正向匹配數(shù)；

將所述單字分別與所述第一編碼轉(zhuǎn)化方向?qū)?yīng)的反向字庫進(jìn)行匹配，得到所述各反向字庫的第三反向匹配數(shù)；

將所述各反向字庫的第三反向匹配數(shù)相加，得到第四反向匹配數(shù)；

若所述第二正向匹配數(shù)大于所述第四反向匹配數(shù)，則將所述一編碼作為待識別文件的文件編碼；

若所述第二正向匹配數(shù)小于所述第四反向匹配數(shù)，則獲取第三反向匹配數(shù)最大的反向字庫對應(yīng)的編碼轉(zhuǎn)化方向中的文件編碼，并將所述文件編碼作為一編碼，繼續(xù)執(zhí)行所述通過所述一編碼對所述待識別文件進(jìn)行解碼的步驟；

若所述第二正向匹配數(shù)和第四反向匹配數(shù)相等，則獲取所述編碼集合中的下一編碼，并將所述下一編碼作為一編碼，繼續(xù)執(zhí)行所述通過所述一編碼對所述待識別文件進(jìn)行解碼的步驟。

2.根據(jù)權(quán)利要求1所述的基于正反向字詞庫的文件編碼識別方法，其特征在于，所述采集樣本文件之后，進(jìn)一步包括：

將所述樣本文件中的第一字符替換為空格，所述第一字符為ASCII碼表示的字母和符號。