[发明专利]ceb文件全文搜索方法、装置以及计算机可读存储介质

说明书

技术领域

本发明涉及数据处理领域，具体涉及一种ceb文件全文搜索方法、装置以及计算机可读存储介质。

背景技术

CEB文件是由北大方正公司独立开发的电子书格式，它是一种“文字+图象”的格式,由于在文档转换过程中采用了“高保真”技术，可以使CEB格式的电子书最大限度地保持原来的样式,能够保留原文件的字符、字体、版式和色彩等所有信息，包括图片、数学公式、化学公式、表格、棋牌以及乐谱等，CEB对这些信息进行很好的压缩，文件的数据量很小。基于这种特，不少电子书发行机构和数字化图书馆都已经开始采用CEB文件，国家有关部门还把CEB格式作为电子公文传递的标准格式。

但是，目前行业内并没有类似的批量CEB文件的全文搜索方法。常用的CEB内容检索必须要通过方正的编辑器进行单个文件内容检索，操作步骤复杂，文件量大的情况下效率非常低，且对第三方工具授权成本非常高，不适合政府部门大批量CEB文件的快速检索。

发明内容

本发明的目的是提供一种ceb文件全文搜索方法、装置以及计算机可读存储介质，实现批量ceb文件的快速检索，提高ce文件的的检索效率。

为解决以上技术问题，本发明实施例提供一种ceb文件全文搜索方法，包括：

根据预设的时间扫描ceb文件库；

提取所述ceb文件库中的新增文件的文字数据；

将所述文字数据转换为TXT文件；

将所述TXT文件存储在预设的TXT文件库中，并建立数据库索引；

根据所述数据库索引以及用户输入的搜索条件，从所述ceb文件库中获取符合所述搜索条件的ceb文件并生成搜索结果。

优选地，所述提取所述ceb文件库中的新增文件的文字数据，具体包括：

对所述新增ceb文件进行多线程处理，提取所述新增ceb文件中的文字数据。

优选地，所述提取所述ceb文件库中的新增文件的文字数据，具体包括：

对所述新增ceb文件中的图片进行OCR识别处理，提取所述新增ceb文件中图片对应的文字数据。

优选地，所述提取所述ceb文件库中的新增文件的文字数据之前，包括：

检测所述ceb文件库是否有新增ceb文件；

当检测到所述ceb文件库中有新增ceb文件时，提取所述新增ceb文件中的文字数据。

优选地，所述将所述TXT文件存储在预设的TXT文件库中，并建立数据库索引之后，还包括：

判断当前所述新增ceb文件是否为最后一个待转换的新增ceb文件；

当当前所述新增ceb文件不是最后一个待转换的新增ceb文件时，提取下一个所述新增ceb文件中的文字数据；

当当前所述新增ceb文件是最后一个待转换的新增ceb文件时，停止提取所述新增ceb文件中的文字数据。

本发明实施例还提供一种ceb文件全文搜索装置，包括：

扫描模块，用于根据预设的时间扫描ceb文件库；

文字提取模块，用于提取所述ceb文件库中的新增文件的文字数据；

数据转换模块，用于将所述文字数据转换为TXT文件；

索引建立模块，用于将所述TXT文件存储在预设的TXT文件库中，并建立数据库索引；

搜索模块，用于根据所述数据库索引以及用户输入的搜索条件，从所述ceb文件库中获取符合所述搜索条件的ceb文件并生成搜索结果。

优选地，所述文字提取模块包括文本文字提取模块，所述文本文字提取模块用于对所述新增ceb文件进行多线程处理，提取所述新增ceb文件中的文字数据。

优选地，所述文字提取模块包括图片文字提取模块，所述图片文字提取模块用于对所述新增ceb文件中的图片进行OCR识别处理，提取所述新增ceb文件中图片对应的文字数据。

本发明实施例还提供一种ceb文件全文搜索装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述的ceb文件全文搜索方法。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述的ceb文件全文搜索方法。