[发明专利]筛选PDF文件信息的方法、装置、计算机设备及存储介质

权利要求书

1.一种筛选PDF文件信息的方法，其特征在于，包括以下步骤：

运行PDF插件，所述PDF插件用于将PDF文件无损转换为文本文件；

获取人工编写的一段C语言代码，所述C语言代码用于支持java虚拟机调用所述PDF插件；

执行所述C语言代码，通过所述C语言代码调用所述PDF插件以模拟用户将PDF文件转换为文本文件；

通过执行内置代码把文本文件转换为XML数据并进行解析；

把解析后的XML数据通过预设的规则进行初次匹配，以获得初次匹配后的文件信息；

将初次匹配后的文件信息通过优化算法进行分页保存到处理器缓存；

将用户输入的字符串数据与处理器缓存内的文件信息进行再次匹配，以获得输出结果。

2.根据权利要求1所述的筛选PDF文件信息的方法，其特征在于，所述把解析后的XML数据通过预设的规则进行初次匹配，以获得初次匹配后的文件信息的步骤，包括将XML数据按照预设标签拆分成若干数据块，按照预设标签的子父级关系将各个数据块连接成为树型结构数据，并且涵盖相邻标签的索引关系的步骤。

3.根据权利要求2所述的筛选PDF文件信息的方法，其特征在于，所述将初次匹配后的文件信息通过优化算法进行分页保存到处理器缓存的步骤，包括将所述数据块和树型结构数据的索引关系以及相邻标签的索引关系存入Redis缓存以便于后续匹配的步骤。

4.根据权利要求1所述的筛选PDF文件信息的方法，其特征在于，所述将用户输入的字符串数据与处理器缓存内的文件信息进行再次匹配，以获得输出结果的步骤，包括根据用户输入的字符串数据，启动若干线程进行分词查询，对分词查询结果进行合并处理的步骤。

5.根据权利要求1所述的筛选PDF文件信息的方法，其特征在于，所述在运行PDF插件，所述PDF插件用于将PDF文件无损转换为文本文件的步骤中的所述文本文件包括doc文件和docx文件。

6.一种筛选PDF文件信息的装置，其特征在于，包括以下单元：

插件运行单元，用于运行PDF插件，所述PDF插件用于将PDF文件无损转换为文本文件；

代码获取单元，用于获取人工编写的一段C语言代码，所述C语言代码用于支持java虚拟机调用所述PDF插件；

代码执行单元，用于执行所述C语言代码，通过所述C语言代码调用所述PDF插件以模拟用户将PDF文件转换为文本文件；

转换解析单元，用于通过执行内置代码把文本文件转换为XML数据并进行解析；

初次匹配单元，用于把解析后的XML数据通过预设的规则进行初次匹配，以获得初次匹配后的文件信息；

优化保存单元，用于将初次匹配后的文件信息通过优化算法进行分页保存到处理器缓存；

再次匹配单元，用于将用户输入的字符串数据与处理器缓存内的文件信息进行再次匹配，以获得输出结果。

7.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-5中任一项所述的方法。

8.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现如权利要求1-5中任一项所述的方法。