[发明专利]基于Python的归档文件处理、存储及一站式管理平台

说明书

本发明公开了基于Python的归档文件处理、存储及一站式管理平台，涉及计算机文件处理技术领域。本发明包括电子文档归档管理系统、数据中心、一站式采购管理平台、档案馆；电子文档归档管理系统用于对电子文档进行整理、存储、移交接收管理、接受监控；电子文档归档管理系统与一站式采购管理平台之间通过标准数据接口相连，实现与一站式采购管理平台的无缝结合。本发明使用Rational建模工具建立系统类图和时序图来描述系统整体架构和业务逻辑，选择轻量级Flask框架模型进行研发，采用文档型数据库MongoDB解决大并发量和数据服务器的读写压力，为今后大数据分析提供保障提出pyPDF方法解决PDF元数据提取功能。

技术领域

本发明属于计算机文件处理技术领域，特别是涉及基于Python的归档文件处理、存储及一站式管理平台。

背景技术

随着高校信息化建设的高速发展，越来越多的电子文档出现在日常的工作中，PDF作为电子文档归档的首选格式，在文件格式的保存完整性方面和平台兼容性方面有显著的优势。本电子文档归档管理系统的研发主旨是将采购管理平台的文档管理与档案归档管理过程合并成一个整体，解决电子文档流转过程中信息化管理缺失的情况，同时提出一种对电子文档元数据自动提取来代替传统的手工提取元数据，并且建立索引库，为大数据分析奠定了基础，同时为学校今后的工作决策提供依据；

国内对元数据提取的相关探索起步较晚，主要研究方向也集中在基于正则表达式和基于规则的元数据提取的相关研究。2001年贺亚锋首次将元数据提取的相关研究带入到中国，主要对两种常用的基于网站的元数据的自动生成进行了介绍，并对ROADS元数据编辑器和MeatWeb元数据生成器做的使用和原理进行了深入的阐释。

2004年，王守芳提出了如何从HTML文件中提取元数据的方案。该方案主要是基于规则模板，通过对HTML文档进行分词，配合使用归约算法实现元数据的自动提取。该方法虽然对元数据提取的准确性却并不太高，但基本可以实现HTML文档元数据的自动提取。

2007年，于江德首次将条件随机场应用在中文论文的元数据提取上，该方法主要通过利用论文中换行符、回车符等标志性符号对论文内容进行分割，然后应用条件随机场对分割内容进行元数据抽取。该方法对于学术论文的论文头中的元数据的提取具有比较高的准确度，可以高达90％，但是该方法也局限于论文的头部进行元数据的提取操作。

2017年杜秋霞为了地名文化遗产的保护将隐马尔可夫模型应用在提取文献中的地名元数据上。该方法主要通过对电子文档的地名关键词的标注，然后对文本进行分割，进而对元数据进行提取。该方法可以对文献中的地名进行比较细粒度的抽取，相比传统地名提取的准确度明显提升，但该方法却无法对消失的地名准确的进行抽取。

发明内容

本发明提供了基于Python的归档文件处理、存储及一站式管理平台，解决了以上问题。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明的基于Python的归档文件处理、存储及一站式管理平台，包括电子文档归档管理系统、数据中心、一站式采购管理平台、档案馆；

所述电子文档归档管理系统用于对电子文档进行整理、存储、移交接收管理、接受监控，具体包括项目文档整理模块、移交接收管理模块、系统管理模块；所述电子文档归档管理系统与一站式采购管理平台之间通过标准数据接口相连，防止信息“孤岛”产生，实现与一站式采购管理平台的无缝结合，进行数据的调取或共享；所述电子文档归档管理系统与数据中心之间通过数据交互中心的标准接口进行数据传输的保存和备份；所述电子文档归档管理系统通过部门归档专员利用项目文档整理模块进行文档发导入、资料补录、纸质文档扫描；所述电子文档归档管理系统通过项目执行人进行资料补录和文档导入；所述电子文档归档管理系统通过档案审批人员进行档案的移交接受审批处理；所述电子文档归档管理系统通过档案馆对整个电子文档的归档管理进行监控以及归档项目的查询；所述电子文档归档管理系统通过系统管理员利用系统管理模块进行用户权限设置、系统后台配置以及外部接口设置；