[发明专利]一种文本数据扫描方法和装置

说明书

本说明书实施例提供一种文本数据扫描方法和装置，用于扫描以字节形式存储的待扫描文本数据，先以字节流形式读取待扫描文本数据，再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，该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，最后将其中匹配成功的文本数据确定为扫描出的关键数据。

技术领域

本说明书涉及信息安全领域，尤其涉及一种文本数据扫描方法和装置。

背景技术

使用正则表达式对大量文本进行数据扫描是业界在大数据安全领域的通行做法，比如：可以将描述了隐私扫描规则的正则表达式配置成正则匹配引擎，对文本数据进行扫描匹配，以确定文本中是否存在客户隐私数据。

现有技术中，文本数据往往是以二进制文件形式存储在各种存储介质中，若要对其进行扫描，一般的做法是先以字节流形式对文本数据进行读取，然后对这些字节数据进行解码转换，使其成为有意义的可读的字符数据，之后再应用正则表达式匹配工具对字符流数据进行扫描匹配，以在大量文本数据中扫描出符合正则表达式匹配规则的关键数据。然而将先将大量文本数据解码转换会花费较长时间，影响数据扫描速率，需要提供一种更快速高效的数据扫描方案。

发明内容

针对上述技术问题，本说明书实施例提供一种文本数据扫描方法和装置，技术方案如下：

根据本说明书实施例的第一方面，提供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，所述方法包括：

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；

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。

根据本说明书实施例的第二方面，提供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，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；

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。

根据本说明书实施例的第三方面，提供一种计算机设备，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，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；

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。

本说明书实施例所提供的技术方案，在数据扫描时直接针对字节流形式的文本数据做正则匹配，并获取以字节序列形式存在的匹配结果。避免了由字节流到字符流的中间转换过程，提高数据扫描效率。