[发明专利]文档类型识别方法、装置、设备和计算机可读存储介质

权利要求书

1.一种文档类型识别方法，其特征在于，包括：

读取代码形式的电子文档，得到所述电子文档的文档代码；

在预设的多种代码特征中，识别所述文档代码符合的代码特征；

根据所述文档代码符合的代码特征以及所述电子文档的文档结构信息，确定所述电子文档是否为结构文档；

如果确定所述电子文档是结构文档，则将所述电子文档识别为所述电子文档的文档结构信息对应的文档类型；反之，则将所述电子文档识别为所述文档代码符合的代码特征对应的文档类型。

2.根据权利要求1所述的方法，其特征在于，所述读取代码形式的电子文档，包括：读取二进制代码形式或者十六进制代码形式的电子文档。

3.根据权利要求1所述的方法，其特征在于，

所述根据所述文档代码符合的代码特征以及所述电子文档的文档结构信息，确定所述电子文档是否为结构文档，包括：

如果所述文档代码符合的代码特征是结构文档对应的代码特征，并且，所述电子文档的文档结构信息符合结构文档的其中一种文档类型对应的文档结构特征，则确定所述电子文档为结构文档；

所述将所述电子文档识别为所述电子文档的文档结构信息对应的文档类型，包括：

将所述电子文档识别为所述文档结构信息符合的文档结构特征对应的文档类型。

4.根据权利要求3所述的方法，其特征在于，

所述结构文档的种类，包括：压缩文档和复合文档；

所述根据所述文档代码符合的代码特征以及所述电子文档的文档结构信息，确定所述电子文档是否为结构文档，包括：

如果所述文档代码符合的代码特征是压缩文档对应的代码特征，则对所述电子文档执行解压缩处理；

在所述解压缩后的所述电子文档的文档结构信息中，确定一级目录下的文档信息是否符合压缩文档的其中一种文档类型对应的文档结构特征；

如果所述一级目录下的文档信息符合压缩文档的其中一种文档类型对应的文档结构特征，则确定所述电子文档为结构文档。

5.一种文档类型识别装置，其特征在于，包括：

读取模块，用于读取代码形式的电子文档，得到所述电子文档的文档代码；

识别模块，用于在预设的多种代码特征中，识别所述文档代码符合的代码特征；

确定模块，用于根据所述文档代码符合的代码特征以及所述电子文档的文档结构信息，确定所述电子文档是否为结构文档；

所述识别模块，还用于在确定所述电子文档是结构文档的情况下，将所述电子文档识别为所述电子文档的文档结构信息对应的文档类型；反之，将所述电子文档识别为所述文档代码符合的代码特征对应的文档类型。

6.根据权利要求5所述的装置，其特征在于，所述读取模块，用于读取二进制代码形式或者十六进制代码形式的电子文档。

7.根据权利要求5所述的装置，其特征在于，

所述确定模块，用于：如果所述文档代码符合的代码特征是结构文档对应的代码特征，并且，所述电子文档的文档结构信息符合结构文档的其中一种文档类型对应的文档结构特征，则确定所述电子文档为结构文档；

所述识别模块，用于将所述电子文档识别为所述文档结构信息符合的文档结构特征对应的文档类型。

8.根据权利要求7所述的装置，其特征在于，

所述结构文档的种类，包括：压缩文档和复合文档；

所述确定模块，进一步用于：如果所述文档代码符合的代码特征是压缩文档对应的代码特征，则对所述电子文档执行解压缩处理；在所述解压缩后的所述电子文档的文档结构信息中，确定一级目录下的文档信息是否符合压缩文档的其中一种文档类型对应的文档结构特征；如果所述一级目录下的文档信息符合压缩文档的其中一种文档类型对应的文档结构特征，则确定所述电子文档为结构文档。