出版物数字资源的自动采集方法及系统的制作方法
【专利摘要】本发明提供了一种出版物数字资源的自动采集方法及系统，该方法包括：获取出版物数字资源中的资源文件；根据预设的识别规则对所述资源文件进行识别，得到识别结果，所述识别结果包括：文件类型、文件关系及排序；将所述资源文件上传到服务器；根据所述识别结果生成所述资源文件的属性信息；将所述属性信息存储到数据库中。利用本发明，可以提高采集出版物数字资源的效率，节省大量的工作量。
【专利说明】出版物数字资源的自动采集方法及系统
【技术领域】
[0001] 本发明涉及数字出版领域，具体而言，涉及一种出版物数字资源的自动采集方法 及系统。
【背景技术】
[0002] 目前的出版物如图书、期刊、课件等的数字资源，内容众多，类型复杂。如以图书 数字资源为例，一本图书的资源文件可能有上万个之多，包括封面、插图、排版文件、配套音 频、配套视频等。再比如一个课件,包含多个PPT，每个PPT的内容中可能会以链接的形式引 用多个音视频、图片、WORD等附件，PPT和其附属文件属于主从关系，另外，PPT及附属文件 在硬盘中的相对路径在入库后必须保持，否则无法根据PPT中的链接打开附属文件，最后， 多个PPT之间是有前后顺序的。
[0003] 为了更有效地利用这些出版物数字资源，目前通过人工录入，将出版物数字资源 录入到数据库中。然而人工操作容易出错。
【发明内容】
[0004] 本发明实施例提供一种出版物数字资源的自动采集方法及系统，以解决现有技术 中出版物数字资源采集管理中人工参与程度高，效率低下、耗时长的问题。
[0005] 为此，本发明实施例提供如下技术方案：
[0006] -种出版物数字资源的自动采集方法，包括：
[0007] 获取出版物数字资源中的资源文件；
[0008] 根据预设的识别规则对所述资源文件进行识别，得到识别结果，所述识别结果包 括：文件类型、文件关系及排序；
[0009] 将所述资源文件上传到服务器；
[0010] 根据所述识别结果生成所述资源文件的属性信息；
[0011] 将所述属性信息存储到数据库中。
[0012] 优选地，所述方法还包括：
[0013] 获取并解析XML格式的配置文件，从中得到所述识别规则。
[0014] 优选地，所述根据所述识别结果生成所述资源文件的属性信息包括：
[0015] 根据所述识别结果生成XML格式的通知文件；
[0016] 解析所述通知文件，得到所述资源文件的属性信息。
[0017] 优选地，所述方法还包括：
[0018] 在得到所述识别结果后，向用户展现手动修改操作界面，以使用户在所述操作界 面上调整文件的类型、文件关系及排序。
[0019] 优选地，所述方法还包括：
[0020] 从数据库读取资源文件的属性信息，并在浏览器中进行展示所述属性信息。
[0021] 一种出版物数字资源的自动采集系统，包括：
[0022] 获取模块，用于获取出版物数字资源中的资源文件；
[0023] 识别模块，用于根据预设的识别规则对所述资源文件进行识别，得到识别结果，所 述识别结果包括：文件类型、文件关系及排序；
[0024] 上传模块，用于将所述资源文件上传到服务器；
[0025] 资源入库模块，用于根据所述识别结果生成所述资源文件的属性信息，并将所述 属性信息存储到数据库中。
[0026] 优选地，所述识别模块，还用于获取并解析XML格式的配置文件，从中得到所述识 别规则。
[0027] 优选地，所述资源入库模块包括：
[0028] 解析单元，用于从所述识别模块获取XML格式的通知文件，解析所述XML文件得到 资源文件的属性信息；
[0029] 入库单元，用于将所述属性信息存储进数据库。
[0030] 优选地，所述系统还包括：
[0031] 展现模块，用于在所述识别模块得到识别结果后，向用户展现手动修改操作界面， 以使用户在所述操作界面上调整文件的类型、文件关系及排序。
[0032] 优选地，所述系统还包括：
[0033] 资源管理模块，用于从数据库读取资源文件的属性信息，并在浏览器中进行展示 所述属性信息。
[0034] 本发明实施例提供的出版物数字资源的自动采集方法及系统，可以提高采集出版 物数字资源的效率，将采集工作人员从庞大的资源文件中解放出来，节省大量的工作量。而 且，利用本发明实施例的方法及系统，可以自动将采集结果入库，实现对出版物数字资源的 持久化管理应用。从资源采集到入库，全程都是自动进行的，不需要用户手动参与，提高了 系统的自动化程度。
【专利附图】
【附图说明】
[0035] 图1是本发明实施例出版物数字资源的自动采集方法的流程图；
[0036] 图2是本发明实施例出版物数字资源的自动采集系统的结构示意图；
[0037] 图3是本发明实施例中的图书样例的整理目录结构；
[0038] 图4是本发明实施例中的课件样例的整理目录结构；
[0039] 图5是本发明实施例中资源采集装置的界面展示图；
[0040] 图6是本发明实施例中课件样例存储的数据库相关表及联系；
[0041] 图7是本发明实施例中资源管理装置展示图书列表的效果图；
[0042] 图8是本发明实施例中资源管理装置展示课件详细信息的效果图。
【具体实施方式】
[0043] 下面将参考附图并结合实施例，来详细说明本发明。
[0044] 如图1所示，是本发明实施例出版物数字资源的采集方法的流程图，包括以下步 骤：
[0045] 步骤101、获取出版物数字资源中的资源文件。
[0046] 步骤102、根据预设的识别规则对所述资源文件进行识别，得到识别结果，所述识 别结果包括：文件类型、文件关系及排序。
[0047] 所述识别规则可以通过获取并解析XML格式的配置文件来得到。
[0048] 在实际应用中，对文件的排序可以先按照排序规则进行排序，不符合排序规则的， 可以按照英文、字符按照首字符ASCII码进行排序，首字符中文按照拼音排序。而且，所述 排序规则可以通过读取配置文件得到，默认规则可以为阿拉伯数字1、2、3…以及大写一、 --· · · --、___ 〇
[0049] 需要说明的是，对于已经入库的出版物数字资源，可以重新该出版物数字资源，进 行再次修改调整或者追加资源文件。
[0050] 另外，对识别后的资源文件还可以进行手动调整，直到满足需求。因为自动识别毕 竟是机器识别，总会有识别不了的一些很个性化的地方，比如识别课件，在识别规则中设置 课件的后缀名必须是PPT，但是突然有一章的课件是HTML，仅此一个，那么可以通过手工将 该是HTML文件设置为课件。具体地，可以在得到所述识别结果后，向用户展现手动修改操 作界面，以使用户在所述操作界面上调整文件的类型、文件关系及排序。
[0051] 步骤103、将所述资源文件上传到服务器。
[0052] 具体地，可以通过FTP或者共享方式将所述资源文件从本地上传到服务器。
[0053] 步骤104、根据所述识别结果生成所述资源文件的属性信息，并将所述属性信息存 储到数据库中。
[0054] 具体地，可以首先根据所述识别结果生成XML格式的通知文件，将该通知文件传 输给资源入库模块，由资源入库模块解析XML文件得到相应的属性信息，然后将所述属性 信息存储进数据库。
[0055] 所述属性信息可以包括：文件大小、后缀名、文件类型(文档、图片、音频、视频)，业 务类型(封面、插图、低精度rof)等，图片会有分辨率，音视频有时长等等（当然后面这些属 性，分辨率和时长的提取需要用的其他工具，可以集成到采集环节中）。
[0056] 在本发明实施例中，还可进一步包括以下步骤：从数据库读取资源文件的属性信 息，并在浏览器中进行展示所述属性信息。
[0057] 本发明实施例提供的出版物数字资源的自动采集方法，可以有效提高采集出版物 数字资源的效率，将采集工作人员从庞大的资源文件中解放出来，节省大量的工作量。而 且，利用本发明实施例的方法，可以自动将采集结果入库，实现对出版物数字资源的持久化 管理应用。从资源采集到入库，全程都是自动进行的，不需要用户手动参与，提高了系统的 自动化程度。
[0058] 利用本发明实施例的方法，对于具体的使用者来说，只需要在部署系统的时候制 定一次识别规则XML即可，无需每次使用前制定。可以批量识别出版物数字资源。可以手 动选择出版物数字资源，也可以设定目录，定时扫描识别。
[0059] 相应地，本发明实施例还提供一种出版物数字资源的自动采集系统，图2示出了 该系统的结构。
[0060] 在该实施例中，所述系统包括：
[0061] 获取模块201，用于获取出版物数字资源中的资源文件；
[0062] 识别模块202,用于根据预设的识别规则对所述资源文件进行识别，得到识别结 果，所述识别结果包括：文件类型、文件关系及排序；
[0063] 上传模块203,用于将所述资源文件上传到服务器；
[0064] 资源入库模块204,用于根据所述识别结果生成所述资源文件的属性信息，并将所 述属性信息存储到数据库中。
[0065] 在实际应用中，上述识别模块202还用于获取并解析XML格式的配置文件，从中得 到所述识别规则。
[0066] 所述资源入库模块204可以包括：解析单元和入库单元，其中，所述解析单元用于 从所述识别模块202获取XML格式的通知文件，解析所述XML文件得到资源文件的属性信 息；所述入库单元用于将所述属性信息存储进数据库。
[0067] 另外，在本发明系统的另一实施例中，所述系统还可进一步包括：展现模块，用于 在所述识别模块202得到识别结果后，向用户展现手动修改操作界面，以使用户在所述操 作界面上调整文件的类型、文件关系及排序。用户可以利用该界面修改资源文件类型、修改 资源文件间的关系及手动排序。
[0068] 另外，在本发明系统的另一实施例中，所述系统还可进一步包括：资源管理模块， 用于从数据库读取资源文件的属性信息，并在浏览器中进行展示所述属性信息。比如，可以 从数据库获取到出版物数字资源列表，进行列表或封面展示，还可以浏览出版物数字资源 详细信息。
[0069] 需要说明的是，在本发明实施例中，所述识别规则可以采用配置文件的方式来定 义。可以自定义，以满足用户的个性化需求。采用XML格式定义，修改配置十分方便。所述 识别规则可以是文件类型识别规则和文件关系识别规则两种。文件类型识别规则是指将单 个资源文件进行归类的规则；文件关系识别规则是指建立文件之间关系的自动识别规则。
[0070] 进一步，识别模块202还可以对资源文件进行排序。支持多种排序方式，并且可以 配置扩展。
[0071] 本发明实施例提供的出版物数字资源的自动采集系统，可以有效提高采集出版物 数字资源的效率，将采集工作人员从庞大的资源文件中解放出来，节省大量的工作量。而 且，利用本发明实施例的系统，可以自动将采集结果入库，实现对出版物数字资源的持久化 管理应用。从资源采集到入库，全程都是自动进行的，不需要用户手动参与，提高了系统的 自动化程度。
[0072] 下面以典型的图书及课件为例来详细说明本发明实施例中制定XML格式的识别 规则及利用该识别规则对资源文件进行识别及采集的过程。
[0073] 图书最常用的整理分类方法为图3所示的目录结构，图书所属的所有资源分为封 面、正文、插图、配套音频、配套视频五种。每一种分类都有一些属性来标识自己以及规范属 于自己的资源文件，比如：
[0074] 识别码（code):分类的唯一标识；
[0075] 名称（caption):分类的显示名；
[0076] 过滤器（filter):分类下的文件过滤；
[0077] 资源类型（fileResTypes):分类下所有文件的资源业务类型；
[0078] 附件类型（fileTypes):分类下所有文件的附件类型；
[0079] 排序属性（order):分类下文件是否需要排序，默认不排序；
[0080] 关联关系（relation):分类下资源之间是否有关联关系，默认没有。
[0081] 由此可以制定如下的识别规则XML :
【权利要求】
1. 一种出版物数字资源的自动采集方法，其特征在于，包括： 获取出版物数字资源中的资源文件； 根据预设的识别规则对所述资源文件进行识别，得到识别结果，所述识别结果包括：文 件类型、文件关系及排序； 将所述资源文件上传到服务器； 根据所述识别结果生成所述资源文件的属性信息； 将所述属性信息存储到数据库中。
2. 根据权利要求1所述的方法，其特征在于，所述方法还包括： 获取并解析XML格式的配置文件，从中得到所述识别规则。
3. 根据权利要求1所述的方法，其特征在于，所述根据所述识别结果生成所述资源文 件的属性信息包括： 根据所述识别结果生成XML格式的通知文件； 解析所述通知文件，得到所述资源文件的属性信息。
4. 根据权利要求1所述的方法，其特征在于，所述方法还包括： 在得到所述识别结果后，向用户展现手动修改操作界面，以使用户在所述操作界面上 调整文件的类型、文件关系及排序。
5. 根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括： 从数据库读取资源文件的属性信息，并在浏览器中进行展示所述属性信息。
6. -种出版物数字资源的自动采集系统，其特征在于，包括： 获取模块，用于获取出版物数字资源中的资源文件； 识别模块，用于根据预设的识别规则对所述资源文件进行识别，得到识别结果，所述识 别结果包括：文件类型、文件关系及排序； 上传模块，用于将所述资源文件上传到服务器； 资源入库模块，用于根据所述识别结果生成所述资源文件的属性信息，并将所述属性 信息存储到数据库中。
7. 根据权利要求6所述的系统，其特征在于， 所述识别模块，还用于获取并解析XML格式的配置文件，从中得到所述识别规则。
8. 根据权利要求6所述的系统，其特征在于，所述资源入库模块包括： 解析单元，用于从所述识别模块获取XML格式的通知文件，解析所述XML文件得到资源 文件的属性信息； 入库单元，用于将所述属性信息存储进数据库。
9. 根据权利要求6所述的系统，其特征在于，所述系统还包括： 展现模块，用于在所述识别模块得到识别结果后，向用户展现手动修改操作界面，以使 用户在所述操作界面上调整文件的类型、文件关系及排序。
10. 根据权利要求6至9任一项所述的系统，其特征在于，所述系统还包括： 资源管理模块，用于从数据库读取资源文件的属性信息，并在浏览器中进行展示所述 属性信息。
【文档编号】G06F17/30GK104424271SQ201310385324
【公开日】2015年3月18日 申请日期:2013年8月29日 优先权日:2013年8月29日
【发明者】百华睿, 陈长刚 申请人:北大方正集团有限公司, 方正信息产业控股有限公司, 北京北大方正电子有限公司