[发明专利]一种文本数据扫描方法和装置

权利要求书

1.一种文本数据扫描方法，应用于以字节形式存储的待扫描文本数据，其特征在于，所述方法包括：

以字节流形式读取待扫描文本数据；

将待扫描文本数据通过预先配置的字节流正则匹配工具按字节进行匹配，所述字节流正则匹配工具中包含了满足待扫描文本数据扫描需求的字节匹配规则，所述字节匹配规则根据待扫描文本数据的字节编码格式预先编写，所述预先配置的字节流正则匹配工具与描述了字节数据匹配规则的字节流正则表达式相对应，所述字节流正则表达式的获取步骤包括：获取字符流正则表达式，所述字符流正则表达式描述了满足待扫描文本数据扫描需求的字符数据匹配规则；将所述字符数据匹配规则中的字符数据替换为对应的字节数据，所述字符数据与对应的字节数据可应用指定编码规则互相转换；

将其中匹配成功的文本数据确定为扫描出的关键数据，所述扫描出的关键数据为以字节序列形式存在的文本数据。

2.如权利要求1所述的方法，其特征在于，所述将其中匹配成功的文本数据确定为扫描出的关键数据后，还包括：

解码所述关键数据，将所述以字节序列形式存在的关键数据转换为以字符串形式存在的文本数据。

3.如权利要求1所述的方法，其特征在于，所述将待扫描文本数据通过预先配置的字节流正则匹配工具按字节进行匹配，包括：

预先配置的字节流正则匹配工具通过有穷自动机对待扫描文本数据中的字节进行逐个接受，当有字节序列使有穷自动机的状态到达终态时，判定所述字节序列为匹配成功的文本数据。

4.一种文本数据扫描装置，应用于以字节形式存储的待扫描文本数据，其特征在于，所述装置包括：

数据读取模块：用于以字节流形式读取待扫描文本数据；

数据匹配模块：用于将待扫描文本数据通过预先配置的字节流正则匹配工具按字节进行匹配，所述字节流正则匹配工具中包含了满足待扫描文本数据扫描需求的字节匹配规则，所述字节匹配规则根据待扫描文本数据的字节编码格式预先编写，所述预先配置的字节流正则匹配工具与描述了字节数据匹配规则的字节流正则表达式相对应，所述字节流正则表达式的获取步骤包括：获取字符流正则表达式，所述字符流正则表达式描述了满足待扫描文本数据扫描需求的字符数据匹配规则；将所述字符数据匹配规则中的字符数据替换为对应的字节数据，所述字符数据与对应的字节数据可应用指定编码规则互相转换；

数据提取模块：用于将其中匹配成功的文本数据确定为扫描出的关键数据，所述扫描出的关键数据为以字节序列形式存在的文本数据。

5.如权利要求4所述的装置，其特征在于，所述文本数据扫描装置，还包括：

解码模块：解码所述关键数据，将所述以字节序列形式存在的关键数据转换为以字符串形式存在的文本数据。

6.如权利要求4所述的装置，其特征在于，所述匹配模块，具体用于：

预先配置的字节流正则匹配工具通过有穷自动机对待扫描文本数据中的字节进行逐个接受，当有字节序列使有穷自动机的状态到达终态时，判定所述字节序列为匹配成功的文本数据。

7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如权利要求1所述的方法。