[发明专利]一种地质资料包目录与文件类型自动识别方法

权利要求书

1.一种地质资料包目录与文件类型自动识别方法，其特征在于：包括如下步骤：

(1)遍历：从地质资料包所在目录local_root开始，逐层对当前目录文件与子目录进行遍历处理：设每次遍历的当前目录为root，当前目录root所含文件集为files，文件集files中的具体文件为file，当前目录root所含子目录集为dirs、子目录集dirs中的具体目录为dir；逐层遍历时，当前目录root开始，然后以子目录名的字母顺序先后进行处理，每次处理目录root所含子目录集dirs中一个子目录dir，每一子目录dir的处理亦即下一层的遍历；遍历完所有的子目录dir，即处理完子目录集，之后处理当前目录的文件集files，以文件名的字母顺序循环，每次处理文件集files中的当前具体文件file；当前文件集files处理完后，进入下一个文件集files，文件集files的处理顺序是按照其名称字母在字母表中的顺序进行；之后，返回上级目录，直至所有文件和子目录遍历完毕；

(2)规则定义

建立目录与文件类型判别规则表，规则表具有以下特征：

A.覆盖地质资料包中目录与文件的可能类型；

B.为每个类型定义两级规则：

第一级规则为扩展名定义：所有目录的扩展名定义为DIR；无需识别具体类型的文件，扩展名定义为*；不按扩展名而按整个文件名识别的文件，扩展名定义为整个文件名；其它文件，按实际扩展名定义；

第二级为关联准则，用于目录或文件扩展名相同的不同类型的进一步判断；根据其上下级目录、及所含文件判断；对于文件，根据其所在目录、同目录文件进行判断；关联准则定义采用关键字\、*\、IS、LIKE、DIR、FILE、FILE NAME、FILE image，以及通配符*、分号；、斜杠\、具体名称字符串，其中关联准则基本关键字与语法规则如表1：

表1 基本关联准则定义

ID	关联准则的类型	准则含义
1	\exp	所在文件夹的上级文件夹
2	*\exp	所在文件夹的任一上级文件夹
3	ISstr	所在文件夹为str
4	LIKEstr	所在文件夹名包含str
5	DIRstr	所在文件夹含str目录
6	FILENAME	所在文件夹有同名但扩展名不同的文件
7	FILE*.str	所在文件夹有扩展名为.str的文件
8	FILEimage	所在文件夹有图片文件

其中：str表示具体名称字符串，多个字符串用分号；分割；exp为第2条至第8条准则中的任意一条；

上述关联准则可组合使用，形成具体文件类型的关联准则；

目录与文件类型规则定义如表2：

表2 目录与文件类型规则表

C.规则表以数据库表的方式存储；

D.所有目录与文件类型的判别准则，均需根据规则预先定义，即所有可能的类型，在识别处理前，需预先按照数据库表中表2规则定义其准则；

(3)目录与文件类型识别过程：

当遍历具体目录root或具体文件file时，对于文件file，直接从名称中提取点号及以后的部分作为其扩展名ext；对于目录root，根据第一级规则，直接设为DIR；然后在规则表中，查找扩展名字段Extension值等于扩展名ext的记录，并统计满足条件的记录数n，即扩展名匹配数；根据匹配数的不同，并结合关联准则Rules检验，进入步骤(3-2)；确定唯一匹配的扩展名记录，获取该记录的编号ID作为当前文件类型；

(3-1)扩展名匹配数n的不同取值：

(3-1-1)当n＝1、且Rules为空时，存在1条匹配记录，获取该匹配记录对应的文件类型，作为当前目录或文件的类型；Rules为空是指前述表2中对应行Rules字段为空值；

(3-1-2)当n≥1、且Rules不为空时，按ID从小到大顺序依次进行关联准则Rules检验，检验方法见步骤(3-2)；当找到一条符合关联准则的记录时，获取对应ID，作为当前目录或文件类型，剩余的记录不再检验；当遍历完所有匹配记录，且无任何匹配记录满足关联准则检验时，则将其类型设为：其它未指明，ID为：90109；

(3-1-3)当n＝0时，则不存在匹配记录，则将其类型设为：其它未指明，ID为：90109；

(3-2)当前类型关联准则检验方法：

根据当前类型ID，从数据库规则表中读取当前类型的规则字符串Rules，依据基本关联准则定义表1，依次判断Rules字符串中是否包含基本准则定义中的关键字，所述关键字是指基本关联准则定义表1中“关联准则”一栏对应字符串中非str的部分；

(3-2-1)str：判断的是由关键字所限定范围的当前目录或文件file名称，如果不包含分号，则名称字符串为仅包含str的集合；如果str包含分号，则按顺序从左边第一个分号开始，将字符串分割，分号前的部分为第一字符串，分号后的部分为第二字符串，如果第二字符串含有分号则继续分割，直到所有字符串均不含分号，名称字符串为str被分号所分割得到的所有字符串的集合；之后，判断名称字符串中的任一个字符串是否包含通配符*：如果名称字符串中的一个字符串S不包含通配符*，则判断S是否与file名称字符串相等，如相等则称为完全相等关系，若不相等则为不相等关系；如包含则称为包含关系，若不包含是为不包含关系；完全相等关系、不相等关系、包含关系、不包含关系，四种关系与关键字的组合用于关联准则检验，具体组合与判断方法见(3-2-2)～(3-2-5)；

(3-2-2)关键字\、*\判断的是上级或任一上级目录的名称：判断当前目录root的上级目录，其名称是否是root字符串中倒数第一、第二个斜杠\或/之间的字符串，判断任一上级目录名称，是否是root字符串中按斜杠\或/分割所得的一字符串；

(3-2-3)关键字IS、LIKE：判断的是当前目录名称按步骤(3-2-1)的方法是否与名称字符串str有完全相等或包含关系，其中IS采用字符串完全相等关系匹配、LIKE采用字符串包含关系匹配；

(3-2-4)关键字DIR：判断的是当前目录的任一子文件夹名称，在当前目录root的子目录集dirs中，查找能完全相等、或包含关系匹配DIR后字符串str的子目录dir；

(3-2-5)关键字FILE：判断的是当前目录是否存在特定文件，其中NAME表示与当前文件file同名、但扩展名不同的文件，*.str表示扩展名为.str的任一文件，image表示任一图片文件；所述的NAME是规则中的字符串；

(4)目录与文件类型识别过程

(4-1)进入系统初始化，定义名称与规则匹配函数re_file，名称与规则匹配函数re_file的输入参数为名称name、关联准则Rules，输出为匹配true或不匹配false，函数的实现过程见步骤4-1-1)～4-1-3))；之后进入4-2)；

(4-1-1)获取输入参数：名称name、关联准则Rules；

(4-1-2)将关联准则rule中的.替换成\.，将关联准则rule中的*替换成.*，将关联准则rule中的；替换成)|(，在关联准则Rules第一个字符前加(，在关联准则Rules最后一个字符后加)，得到正则表达式str_rule；

(4-1-3)判断名称name中是否有满足str_rule正则表达式的字符串，若有，则判定为匹配成功，名称与规则匹配函数re_file函数输出true；若没有，则判定为匹配不成功、函数输出false；

(4-2)获取目录文件类别规则表file_types，创建目录文件列表file_lists，记录目录文件信息，包括编号ID、名称name、上级目录root、文件类别编号type，获取当前需要识别的目录root_dir，进入步骤4-3)；

(4-3)遍历目录root_dir下各层级子目录，识别每层级子目录中的子目录与文件类型，直到遍历完所有子目录，具体循环步骤如下：

(4-3-1)获取当前目录root，将当前目录类型编号dir_type赋初值为0；获得当前目录下所有文件的集合，即文件集files；获取当前目录下所有一级子目录的集合，即子目录集dirs；获取当前目录root的路径字符串，从中查找最后一个斜杠\或/的位置，以该斜杠\或/的位置为界，从root路径字符串中截取该位置以后的字符串，作为当前目录名称name，从root路径字符串中截取该该斜杠\或/的位置以前的字符串，作为上级目录root的路径；然后进入步骤4-3-2)；

(4-3-2)从规则表file_types中获取所有Extension字段为DIR的记录集dir_types，循环遍历该记录集dir_types中每个类型记录record，判断目录名称name是否与当前记录root的关联准则Rules匹配，具体循环步骤如下：

(4-3-2-1)获得当前类型记录record的类型编号ID与关联准则Rules，进入步骤4-3-2-2)；

(4-3-2-2)判断关联准则Rules是否包含字符串LIKE，如果包含LIKE，则表示目录名称需与关联准则Rules中字符串LIKE后的字符串有完全相等或包含关系；将Rules中的LIKE替换成空字符串，以目录名称name、规则Rules为参数再调用re_file函数，返回步骤(4-1)；如果re_file函数输出true，则当前目录类型为当前record的类型Types，进入步骤4-3-2-9)；如果re_file函数输出false，则进入步骤4-3-3)；如果关联准则Rules不包含字符串LIKE，则进入步骤4-3-2-3)；

(4-3-2-3)判断关联准则Rules是否包含字符串*\DIR LIKE：

如果包含*\DIR LIKE，则表示其任一上级目录名称需匹配Rules中*\DIR LIKE后面的字符串，将Rules中的*\DIR LIKE”删除，将目录root按顺序从左边第一个斜杠\或/开始，将字符串分割，斜杠\或/前的部分为第一字符串，斜杠\或/后的部分为第二字符串，如果第二字符串含有斜杠\或/则继续分割，直到所有字符串均不含斜杠\或/，目录root被斜杠\或/所分割得到的所有字符串的集合，为所有上级目录名称集names；按分割后原始顺序，依次获得names中每个上级目录名称name；以上级目录名name、关联准则Rules为参数，调用re_file函数；如果re_file函数输出true，则当前目录类型为当前record的类型Types若re_file函数输出false，则不处理；循环结束时，进入步骤4-3-2-9)；

如果关联准则Rules不包含字符串*\DIR LIKE，则进入步骤(4-3-2-4)；

(4-3-2-4)判断关联准则Rules是否包含字符串DIR，如果包含DIR，则表示该子目录名称需匹配Rules中DIR后的字符串，将Rules中的DIR删除，再判断Rules是否包含在子目录集dirs中，如果是，则当前目录类型为当前record的类型Types，进入步骤4-3-2-9)；如果Rules不包含在子目录集dirs中，则进入步骤4-3-3)；如果关联准则Rules不包含字符串DIR，则进入步骤4-3-2-5)；

(4-3-2-5)判断关联准则是否包含字符串IS，如果包含IS，则表示目录名称需与Rules中IS后的字符串具有完全相等关系；将该规则中的IS删除，再判断Rules是否与name相等，如果是则当前目录类型为当前record的类型Types，进入步骤4-3-2-9)，否则进入步骤4-3-3)；如果关联准则Rules不包含IS，则进入步骤4-3-2-6)；

(4-3-2-6)判断关联准则Rules是否包含字符串\DIR，如果包含\DIR，则表示上级目录中存在某子目录，其名称与Rules中\DIR后的字符串相等；将该规则中的\DIR替换成空字符串，获得上级目录的子目录名称集names，从names中移除当前目录名称；按字母序循环对names中的目录名称name，以目录名称name、规则Rules为参数，调用re_file函数；如果re_file函数输出true，表示上级目录存在满足规则的子目录，则当前目录类型为当前record的ID，进入步骤4-3-2-9)；如果re_file函数输出false，则进入步骤4-3-3)；如果关联准则Rules不包含\DIR，且非记录集dir_types最后一条记录，则读取记录集dir_types下一条记录作为当前类型记录record，进入步骤4-3-2-1；否则进入步骤4-3-2-7)；

(4-3-2-7)判断当前目录名称name是否包含.files字符串：如包含则表示目录为Markdown或HTML的附属目录，在规则表file_types中，查询Extension字段字符串包含.files的记录：如有输出记录，则当前目录类型编号dir_type为该记录的ID，进入步骤4-3-2-9)；如没有输出记录，进入步骤4-3-2-8)；若判断当前目录名称name不包含.files字符串，则不出路；

(4-3-2-8)判断当前目录类型编号dir_type是否为0；如为0，则表示未匹配成功任何目录类型，则该目录为一般目录，其目录类型编号为80101，进入步骤4-3-2-9)；如当前目录类型编号dir_type不为0，则不处理；

(4-3-2-9)向目录文件列表file_lists添加已判断的当前目录信息，包括名称name、上级目录root、类型编号dir_type等，进入步骤4-3-3)；

(4-3-3)按字母顺序循环遍历当前目录root下文件集files中每个文件file，依次以文件file扩展名、关联准则Rules、目录类型编号dir_type综合判断文件类型，具体循环处理步骤如下：

(4-3-3-1)将当前文件类型编号file_type赋初值为0，进入步骤4-3-3-2)；

(4-3-3-2)通过以下步骤4-3-3-2-1)～4-3-3-2-3)从文件file中抽取用于扩展名匹配的字符串file_match，之后进入步骤4-3-3-3)；

(4-3-3-2-1)以编码ID从小到大遍历规则表file_types中记录，读取当前记录的Extension字段；设判断条件一：该字段字符串包含.且不以.开头、不含通配符*；设判断条件二；文件file名称与Extension字段相等；如满足条件一、条件二中任一条件或同时满足，则file_match等于Extension字段值；如条件一、条件二均不满足，则进入步骤4-3-3-2-2)；

(4-3-3-2-2)判断文件file名称中是否含有.，如有，则从名称中截取从.所在位置开始至结尾的字符串，赋值给file_match，如无.则进入步骤4-3-3-2-3)；

(4-3-3-2-3)将file名称赋值给file_match；

(4-3-3-3)根据当前目录类型编号dir_type，判断其是否等于10109或10110：如等于10109或10110，则文件类型编号file_type为10100；如不等于10109或10110，再判断当前目录类型编号dir_type是否等于80201或80202：如当前目录类型编号dir_type等于80201或80202，则文件类型编号file_type为80203，如当前目录类型编号dir_type不等于80201或80202，则判断当前目录类型编号dir_type是否等于80301或80302：如当前目录类型编号dir_type等于80301或80302，则文件类型编号file_type为80303；如当前目录类型编号dir_type不等于80301或80302，则进入步骤4-3-3-4)；

(4-3-3-4)获取file_types中Extension字段等于file_match的记录，并统计为匹配数n，进入步骤4-3-3-5)；

(4-3-3-5)循环遍历每个满足条件的记录，获取其类型编号ID、关联准则Rules，通过以下步骤匹配文件file名称与字段Extension、关联准则Rules之间的关系：

(4-3-3-5-1)如关联准则Rules字段值中出现LIKE或*\DIR LIKE关键字，则返回步骤4-3-2-1)～4-3-2-8)，判断当前目录类型编号dir_type：如目录类型dir_type0，则匹配数n赋值为1，文件类型编号file_type赋值为当前记录类型编号ID，进入步骤4-3-4-6)；如dir_type＝0，则匹配数n减1后的值赋为本次匹配数n的值，进入步骤4-3-3-5-2)；

(4-3-3-5-2)如关联准则Rules字段值中出现FILE NAME关键字，则Rules表示当前目录需存在与文件file名称相同仅扩展名不同的文件，该文件名与文件file名称的相同部分赋为文件主名file_main，该文件名与文件file名称的不同部分赋为扩展名file_ext；获取当前目录root所有文件名列表，从中删除文件主名不为file_main的文件名字符串，由此得到当前文件file的同主名文件名列表；获得同主名文件名列表长度l，如果l1，则匹配数n为1，当前文件类型编号file_type为类型编号ID，进入步骤4-3-3-6)；如l＝1，则匹配数n减1，进入步骤(4-3-3-5-3)；

(4-3-3-5-3)如关联准则Rules字段值中出现FILE*.str关键字，则Rules表示当前目录需存在与文件file名称相同仅扩展名不同的文件，且该文件扩展名为.str；获取当前目录root所有文件列表，从中剔除扩展名不为.str且文件主名不为file_main的字符串，由此得到当前文件filed的同主名、扩展名为.str的文件列表，获得列表长度l；如果l0，则n为1、文件类型编号file_type为当前记录ID，进入步骤4-3-3-6)；如果l＝0，则n减1，进入步骤4-3-4-6)；

(4-3-3-6)如果匹配数n＝0，则表示未匹配成功，赋值file_type为90109，进入步骤4-3-3-7)；

(4-3-3-7)向目录文件列表file_lists添加已判断的当前文件信息，包括名称name、上级目录root、类型编号file_type，进入步骤4-3-4)；

(4-3-4)如当前目录root的文件集files中存在未确定类型的文件，表示循环未结束，则继续循环、进入步骤4-3-3-1)；当前目录root的文件集files中所有文件的类型均已确定，则循环结束，输出目录文件列表file_lists。