[发明专利]文件解析方法和装置

说明书

本发明提供了一种文件解析方法和装置，属于数据解析技术领域。本发明实施例提供的文件解析方法和装置，选择需要解析的文件后，根据文件的格式，选择对应的文件解析器，将文件与文件解析器进行匹配，通过文件解析器提取文件中的数据，可以实现在没有用户设定操作的情况下，使多种格式的文件自动匹配到相对应的文件解析器，对文件进行解析，进而提取文件中的数据，能够减少文件解析过程中的人工参与，简化操作流程，提高用户体验。

技术领域

本发明涉及数据解析技术领域，具体而言，涉及一种文件解析方法和装置。

背景技术

随着大数据的快速发展，数据采集的方式越来越多，但是大多数采集到的数据文件，需要进行解析才可获取文件中的数据。例如，从网站上采集数据，数据文件的格式为html格式，需要将采集的数据文件存储到本地数据库时，而本地数据库中不能存储html格式的文件，则需要将html格式的文件进行解析，以提取文件中的数据，将数据存入本地数据库。

常规的数据解析方法均为一种文件解析器只能解析一种文件类型，存在多种文件类型需要解析时，就需要使用多个文件解析器，用户进行文件解析时，待解析文件与文件解析器不能自动匹配，需要手动选择与待解析的文件相对应的文件解析器，这就造成了对文件解析时，操作流程多，从而降低了用户体验的问题。

发明内容

针对上述现有技术中存在的问题，本发明提供了一种文件解析方法和装置，在进行文件解析时，可以实现在没有用户设定操作的情况下，使多种格式的文件自动匹配到相对应的文件解析器，对文件进行解析，进而提取文件中的数据，能够减少文件解析过程中的人工参与，简化操作流程，提高用户体验。

第一方面，本发明实施例提供了一种文件解析方法，所述方法包括：

选择需要解析的文件；

根据所述文件的格式，选择对应的文件解析器；

将所述文件与所述文件解析器进行匹配；

通过所述文件解析器提取所述文件的数据。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，根据所述文件格式，选择对应的文件解析器的步骤，包括：

判定所述文件的格式；

若所述文件的格式为xls格式或者xlsx格式，则选择Excel文件解析器；

若所述文件的格式为xml格式，则选择XML文件解析器；

若所述文件的格式为html格式，则将所述html格式的文件转换为xml格式的文件，选择所述XML文件解析器。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，将所述文件与所述文件解析器进行匹配的步骤，包括：

将所述文件通过所述文件解析器进行字典校验；

若校验通过，则判定所述文件与所述文件解析器匹配；

若校验失败，则提示匹配不到对应的文件解析器。

结合第一方面第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，通过所述文件解析器对所述文件进行字典校验的步骤，包括：

将所述xml格式或者html格式的文件通过所述XML文件解析器进行xpath规则校验；

将所述xls格式或者xlsx格式的文件通过所述Excel文件解析器进行列名校验。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，通过所述文件解析器提取所述文件的数据的步骤，包括：