[发明专利]一种非结构化数据的入库方法及装置

权利要求书

1.一种非结构化数据的入库方法，其特征在于，包括：

构建待入库数据的索引信息表，所述索引信息表中包括：节点全名和分类节点，所述节点全名包括所述分类节点对应的存储位置；

获取所述待入库数据的文件全名信息，构建所述待入库数据的文件全名信息表，所述文件全名信息包括：所述待入库数据的入库前存储位置、入库前文件名；

根据所述文件全名信息表和所述索引信息表，将所述待入库数据进行归类，获得所述待入库数据的归类节点；

根据所述归类节点和所述分类节点，获得所述待入库数据对应的节点全名；

根据所述待入库数据对应的节点全名、所述文件全名信息将所述待入库数据存入对应的位置处；

所述方法还包括：

构建所述待入库数据的文件全名信息表后，获取所述待入库数据的基本信息；

将所述基本信息加入所述文件全名信息表中，对所述文件全名信息表进行第一次扩充；

对第一次扩充后的文件全名信息表进行第一去重处理，所述第一去重处理包括：

将所述入库前文件名相同、所述基本信息相同、所述文件全名信息不同的待入库数据对应的文件全名信息和基本信息作为第一重复文件信息，保留任意一个第一重复文件信息，将未被保留的第一重复文件信息从所述文件全名信息表中删除；

相应的，所述根据所述文件全名信息表和所述索引信息表，将所述待入库数据进行归类，获得所述待入库数据的归类节点，包括：

根据第一去重处理后的文件全名信息表和所述索引信息表，将所述待入库数据进行归类，获得所述待入库数据的归类节点。

2.如权利要求1所述的一种非结构化数据的入库方法，其特征在于，所述将未被保留的第一重复文件信息从所述文件全名信息表中删除，包括：

将所述未被保留的第一重复文件信息从所述文件全名信息表中删除并存储到重复文件信息表中。

3.如权利要求1所述的一种非结构化数据的入库方法，其特征在于，所述方法还包括：

获取所述待入库数据的标识信息，将所述标识信息加入所述文件全名信息表中，对所述文件全名信息表进行第二次扩充；

根据所述标识信息、所述文件全名信息，确定所述待入库数据的单元名、规范名关键词；

根据所述单元名、规范名关键词、所述基本信息，按照预先构建的规范命名规则，将所述待入库数据进行规范命名，构建所述待入库数据的规范文件名。

4.如权利要求3所述的一种非结构化数据的入库方法，其特征在于，所述方法还包括：

获得所述待入库数据的规范文件名后，对第二次扩充后的文件全名信息表进行第二去重处理，所述第二去重处理包括：

将所述规范文件名、所述基本信息、所述标识信息均相同的待入库数据对应的文件全名信息、基本信息、标识信息作为第二重复文件信息，保留任意一个第二重复文件信息，将未被保留的第二重复文件信息从所述文件全名信息表中删除。

5.如权利要求4所述的一种非结构化数据的入库方法，其特征在于，所述将未被保留的第二重复文件信息从所述文件全名信息表中删除，包括：

将所述未被保留的第二重复文件信息从所述文件全名信息表中删除并存储到重复文件信息表中。

6.如权利要求4所述的一种非结构化数据的入库方法，其特征在于，所述根据所述待入库数据对应的节点全名、所述文件全名信息将所述待入库数据存入对应的位置处，包括：

根据所述待入库数据对应的节点全名、第二次去重处理后的文件全名信息表中的规范文件名，获得所述待入库数据的入库文件全名；

根据所述入库文件全名、所述文件全名信息将所述待入库数据存入对应的位置处。

7.如权利要求3-6任一项所述的一种非结构化数据的入库方法，其特征在于，所述方法还包括：

将所述待入库数据存入对应的位置处后，将所述规范文件名作为所述待入库数据的入库后文件名。