[发明专利]文档索引生成方法及设备

权利要求书

1.一种文档索引生成方法，其特征在于，包括：

接收各类型客户端发送的文件及所述文件对应的元数据信息，其中所述元数据信息存储在数据库中，所述文件存储在本地磁盘；

查询所述数据库根据所述元数据信息，从所述本地磁盘中获取等待自动处理的目标文件；

对所述目标文件进行解析得到文档信息；

将所述文档信息进行分词处理，得到所述文档信息的检索词，并根据预设检索框架生成所述文档信息的索引信息；

在所述接收各类型客户端发送的文件及所述文件对应的元数据信息之前，还包括：

发送文件抽取信息到各类型客户端，其中文件抽取信息中包括与所述各类型客户端对应的允许抽取的文件格式和扫描路径信息；

其中，允许抽取的文件格式和扫描路径信息用于指示所述各类型客户端根据对应的允许抽取的文件格式和扫描路径信息抽取文件和所述文件对应的元数据信息。

2.根据权利要求1所述的方法，其特征在于，所述对所述目标文件进行解析得到文档信息，包括：

获取所述目标文件的文件格式，并判断所述目标文件是否存在；

若所述目标文件存在且所述目标文件的文件格式为压缩文件格式，则对所述目标文件进行解压得到解压后的文件，并对所述解压后的文件进行解析生成所述目标文件的文档信息；

若所述目标文件存在且所述目标文件的文件格式为非压缩文件格式，则对所述目标文件进行解析生成所述目标文件的文档信息。

3.根据权利要求2所述的方法，其特征在于，判断所述目标文件是否存在，包括：

通过元数据信息中的文件路径进行文件查询，若查询到文件则确定所述目标文件存在，若不能查询到文件则确定所述目标文件不存在。

4.根据权利要求2所述的方法，其特征在于，所述对所述目标文件进行解析生成所述目标文件的文档信息，包括：

通过开源工具apache tika对目标文件进行解析，获取所述目标文件的文档信息。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述预设检索框架为apachelucence框架。

6.一种文档索引生成设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：

接收各类型客户端发送的文件及所述文件对应的元数据信息，其中所述元数据信息存储在数据库中，所述文件存储在本地磁盘；

查询所述数据库根据所述元数据信息，从所述本地磁盘中获取等待自动处理的目标文件；

对所述目标文件进行解析得到文档信息；

将所述文档信息进行分词处理，得到所述文档信息的检索词，并根据预设检索框架生成所述文档信息的索引信息；

所述处理器执行所述计算机程序时还实现如下步骤：

在所述接收各类型客户端发送的文件及所述文件对应的元数据信息之前，发送文件抽取信息到各类型客户端，其中文件抽取信息中包括与所述各类型客户端对应的允许抽取的文件格式和扫描路径信息；

其中，允许抽取的文件格式和扫描路径信息用于指示所述各类型客户端根据对应的允许抽取的文件格式和扫描路径信息抽取文件和所述文件对应的元数据信息。

7.根据权利要求6所述的设备，其特征在于，所述对所述目标文件进行解析得到文档信息，包括：

获取所述目标文件的文件格式，并判断所述目标文件是否存在；

若所述目标文件存在且所述目标文件的文件格式为压缩文件格式，则对所述目标文件进行解压得到解压后的文件，并对所述解压后的文件进行解析生成所述目标文件的文档信息；

若所述目标文件存在且所述目标文件的文件格式为非压缩文件格式，则对所述目标文件进行解析生成所述目标文件的文档信息。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至5任一项所述的文档索引生成方法。