[发明专利]一种重组docx文件碎片数据的方法

说明书

本发明公开了一种重组docx文件碎片数据的方法，包括以下步骤：S1：解析文件系统；S2：扫描一个docx文件；S3：分析xml位图索引表结构；S4：得到docx文件数据区存储位置；S5：重组docx文件；S6：判断是否完成扫描，是则执行S7，否则执行S2；S7：将docx文件解压并转换显示文本。本发明可以根据文件特征找到丢失docx文件的数据区与尾部xml索引表，根据xml索引表解析出docx文件数据区位置；根据docx文件数据区与xml索引表组合成为一个特定格式的文件；即使文件部分被损坏，也可以恢复其余部分的数据，将因数据丢失带来的损失降到最低。

技术领域

本发明涉及信息安全技术领域，特别涉及一种重组docx文件碎片数据的方法。

背景技术

在信息化迅速发展的21世纪，计算机技术日新月异，与人们的日常生活息息相关，存储设备数据丢失往往能给个人，甚至企业单位带来无尽的烦恼与麻烦，在涉及计算机数据存储工作中，如在企业工作中，企业数据丢失造成的损失是不饿估量的，小则使公司无法开展工作，大则可能导致企业倒闭，特别是在信息企业中，公司的电子资料就是他们的命脉。其中主要的电子资料又是docx格式文档。

docx是一种基于xml的压缩文件格式，完整的docx文件其实是一个zip包，可以直接使用解压工具进行解压。docx文件作为一种广泛使用的编辑文件，已经在计算机及互联网中被广泛使用，随着使用docx的人越来越多，与docx使用相关的问题也就接踵而来，例如：误删除、犯罪分子恶意删除销毁证据，文件异常导致丢失等。出现这些情况后一般采用网上的文件恢复工具进行恢复。由于docx的结构特性，若破坏docx文件的完整性，恢复出来的都是无法编码，或者恢复后不能正常打开文件。

发明内容

本发明针对现有技术的缺陷，提出一种重组docx文件碎片数据的方法，包括以下步骤：

S1：解析文件系统，区分正常区域和空闲区域；

S2：按顺序在空闲区域中扫描一个docx文件特征；

S3：分析获得docx文件尾部的xml位图索引表结构；

S4：解析xml索引表得到docx文件数据区数据存储位置；

S5：按照S3得到的xml位图索引表及S4中分配的数据区存储结构重组docx文件；

S6：判断是否完成空闲区的扫描，是则执行S7，否则执行S2；

S7：将重组的docx文件解压后按照xml格式提取关键文字信息并转换为txt文件显示。

作为优选，所述S3中通过找到xml数据头部特征重头部向下扫描每一个xml信息并进行格式匹配，相同则继续向下扫描，不同则表示为xml数据尾部，记录整个xml数据，并根据数据特征生成xml位图索引表。

作为优选，所述S4的详细步骤如下：

S401：按顺序提取一条xml索引信息；

S402：通过xml索引信息内的位置特征找到对应的数据区头部，在通过数据区头部特征找到数据区起始位置和结束位置；

S403：根据xml索引信息的结构与数据区内数据进行匹配，若与结构特征匹配成功则认为此数据区数据可用，执行S304；若没有匹配效验码则说明此数据区数据已被损坏执行S305；

S404：记录该数据区位置；

S405：判断xml索引表是否提取完成，完成则结束，未完成则执行S301。作为优选，所述S5中docx文件的重组按照正常docx文件结构的排列，S3得到的xml索引表排列在尾部，xml索引表所对应的数据区数据按照xml索引信息指向数据区的位置进行有序排列，若xml指向的数据区数据损坏也按照该数据区大小进行填充排列。