[发明专利]文件内容处理方法、装置、电子设备及可读存储介质

说明书

本申请提供一种文件内容处理方法、装置、电子设备及可读存储介质。方法包括：在当前操作系统中获取待处理文件中的文件特征，文件特征包括待处理文件的当前文件格式、文件内容、文件内容的版式；将文件内容以文件内容的版式转换为指定文件格式的目标文件。在本方案中，目标文件的格式可以为不同于当前文件格式的任一操作系统支持的任一文件格式，用于解决原操作系统支持的原格式文件不被目标操作系统支持的问题。另外，通过结合当前文件内容的版式，将当前文件格式的待处理文件的文件内容，转换为指定文件格式的目标文件内容，能够保证转换后的文件的内容格式不变。

技术领域

本申请涉及文件处理技术领域，具体而言，涉及一种文件内容处理方法、装置、电子设备及可读存储介质。

背景技术

对于文档类文件，如pdf、ppt、doc、xlx等格式的文件，在一些操作系统中，部分文件需要特定工具才能打开。因此，在操作系统中，存在将原格式的文件转换为另一格式的文件的需求。

在现有技术中，可以在特定操作系统中，将特定格式(例如pdf)的原文件转换为HTML(HyperText Markup Language，超文本标记语言)格式的文件，然后从HTML文件中，提取内容数据，然而并不是所有操作系统中的任何文档都能转换成HTML文件，从而使得该方式的适用范围窄；或者采用文本框分割电子文档，提取文本框中的文件内容，然而并不是所有操作系统中的任何文档都能进行文本框分割，比如，某些承载私有文档格式的网络数据包文档，便不能使用文本框进行分割，另外，对文档进行文本框分割的同时容易产生误差，对文本框内容的提取也存在误差。

发明内容

本申请实施例的目的在于提供一种文件内容处理方法、装置、电子设备及可读存储介质，有利于改善原操作系统支持的原格式文件不被目标操作系统支持的问题。

为了实现上述目的，本申请的实施例通过如下方式实现：

第一方面，本申请实施例提供一种文件内容处理方法，所述方法包括：

在当前操作系统中获取待处理文件中的文件特征，所述文件特征包括所述待处理文件的当前文件格式、文件内容、文件内容的版式；

将所述文件内容以所述文件内容的版式转换为指定文件格式的目标文件，其中，所述指定文件格式包括不同于所述当前文件格式的任一操作系统支持的任一文件格式。

在上述的实施方式中，通过结合当前文件内容的版式，将当前文件格式的待处理文件的文件内容，转换为指定文件格式的目标文件内容，能够保证转换后的文件的内容格式不变，保持文件转换后的数据内容的准确性。另外，目标文件的格式可以为不同于当前文件格式的任一文件格式，如此，有利于实现文件格式的灵活转换，扩大文件内容转换的适用范围，解决原操作系统支持的原格式文件不被目标操作系统支持的问题。

结合第一方面，在一些可选的实施方式中，所述文件内容包括多个文件数据块、文件数据块起始位置、文件数据块序号、文件数据块offset；

将所述文件内容以所述文件内容的版式转换为指定文件格式的目标文件，包括：

根据所述文件特征生成文件格式策略，并从所述文件格式策略的所述文件数据块起始位置读取所述多个文件数据块，所述文件格式策略包括所述文件特征的集合；

根据所述文件数据块序号及所述文件数据块offset，将所述多个文件数据块以所述文件内容的版式写入所述指定文件格式的文件中，得到所述目标文件。

在上述的实施方式中，通过利用文件特征中的文件数据块序号、文件数据块offset等数据，可以顺序读取数据块，然后将读取的数据块准确转换为目标文件中的数据内容，如此，有利于提高文件内容转换的准确性，确保转换前后文件的内容格式维持不变。

结合第一方面，在一些可选的实施方式中，在当前操作系统中获取待处理文件中的文件特征，包括：