出版物數(shù)字資源的自動(dòng)采集方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供了一種出版物數(shù)字資源的自動(dòng)采集方法及系統(tǒng)，該方法包括：獲取出版物數(shù)字資源中的資源文件；根據(jù)預(yù)設(shè)的識(shí)別規(guī)則對(duì)所述資源文件進(jìn)行識(shí)別，得到識(shí)別結(jié)果，所述識(shí)別結(jié)果包括：文件類型、文件關(guān)系及排序；將所述資源文件上傳到服務(wù)器；根據(jù)所述識(shí)別結(jié)果生成所述資源文件的屬性信息；將所述屬性信息存儲(chǔ)到數(shù)據(jù)庫(kù)中。利用本發(fā)明，可以提高采集出版物數(shù)字資源的效率，節(jié)省大量的工作量。
【專利說明】出版物數(shù)字資源的自動(dòng)采集方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及數(shù)字出版領(lǐng)域，具體而言，涉及一種出版物數(shù)字資源的自動(dòng)采集方法 及系統(tǒng)。

【背景技術(shù)】
[0002] 目前的出版物如圖書、期刊、課件等的數(shù)字資源，內(nèi)容眾多，類型復(fù)雜。如以圖書 數(shù)字資源為例，一本圖書的資源文件可能有上萬個(gè)之多，包括封面、插圖、排版文件、配套音 頻、配套視頻等。再比如一個(gè)課件,包含多個(gè)PPT，每個(gè)PPT的內(nèi)容中可能會(huì)以鏈接的形式引 用多個(gè)音視頻、圖片、WORD等附件，PPT和其附屬文件屬于主從關(guān)系，另外，PPT及附屬文件 在硬盤中的相對(duì)路徑在入庫(kù)后必須保持，否則無法根據(jù)PPT中的鏈接打開附屬文件，最后， 多個(gè)PPT之間是有前后順序的。
[0003] 為了更有效地利用這些出版物數(shù)字資源，目前通過人工錄入，將出版物數(shù)字資源 錄入到數(shù)據(jù)庫(kù)中。然而人工操作容易出錯(cuò)。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明實(shí)施例提供一種出版物數(shù)字資源的自動(dòng)采集方法及系統(tǒng)，以解決現(xiàn)有技術(shù) 中出版物數(shù)字資源采集管理中人工參與程度高，效率低下、耗時(shí)長(zhǎng)的問題。
[0005] 為此，本發(fā)明實(shí)施例提供如下技術(shù)方案：
[0006] -種出版物數(shù)字資源的自動(dòng)采集方法，包括：
[0007] 獲取出版物數(shù)字資源中的資源文件；
[0008] 根據(jù)預(yù)設(shè)的識(shí)別規(guī)則對(duì)所述資源文件進(jìn)行識(shí)別，得到識(shí)別結(jié)果，所述識(shí)別結(jié)果包 括：文件類型、文件關(guān)系及排序；
[0009] 將所述資源文件上傳到服務(wù)器；
[0010] 根據(jù)所述識(shí)別結(jié)果生成所述資源文件的屬性信息；
[0011] 將所述屬性信息存儲(chǔ)到數(shù)據(jù)庫(kù)中。
[0012] 優(yōu)選地，所述方法還包括：
[0013] 獲取并解析XML格式的配置文件，從中得到所述識(shí)別規(guī)則。
[0014] 優(yōu)選地，所述根據(jù)所述識(shí)別結(jié)果生成所述資源文件的屬性信息包括：
[0015] 根據(jù)所述識(shí)別結(jié)果生成XML格式的通知文件；
[0016] 解析所述通知文件，得到所述資源文件的屬性信息。
[0017] 優(yōu)選地，所述方法還包括：
[0018] 在得到所述識(shí)別結(jié)果后，向用戶展現(xiàn)手動(dòng)修改操作界面，以使用戶在所述操作界 面上調(diào)整文件的類型、文件關(guān)系及排序。
[0019] 優(yōu)選地，所述方法還包括：
[0020] 從數(shù)據(jù)庫(kù)讀取資源文件的屬性信息，并在瀏覽器中進(jìn)行展示所述屬性信息。
[0021] 一種出版物數(shù)字資源的自動(dòng)采集系統(tǒng)，包括：
[0022] 獲取模塊，用于獲取出版物數(shù)字資源中的資源文件；
[0023] 識(shí)別模塊，用于根據(jù)預(yù)設(shè)的識(shí)別規(guī)則對(duì)所述資源文件進(jìn)行識(shí)別，得到識(shí)別結(jié)果，所 述識(shí)別結(jié)果包括：文件類型、文件關(guān)系及排序；
[0024] 上傳模塊，用于將所述資源文件上傳到服務(wù)器；
[0025] 資源入庫(kù)模塊，用于根據(jù)所述識(shí)別結(jié)果生成所述資源文件的屬性信息，并將所述 屬性信息存儲(chǔ)到數(shù)據(jù)庫(kù)中。
[0026] 優(yōu)選地，所述識(shí)別模塊，還用于獲取并解析XML格式的配置文件，從中得到所述識(shí) 別規(guī)則。
[0027] 優(yōu)選地，所述資源入庫(kù)模塊包括：
[0028] 解析單元，用于從所述識(shí)別模塊獲取XML格式的通知文件，解析所述XML文件得到 資源文件的屬性信息；
[0029] 入庫(kù)單元，用于將所述屬性信息存儲(chǔ)進(jìn)數(shù)據(jù)庫(kù)。
[0030] 優(yōu)選地，所述系統(tǒng)還包括：
[0031] 展現(xiàn)模塊，用于在所述識(shí)別模塊得到識(shí)別結(jié)果后，向用戶展現(xiàn)手動(dòng)修改操作界面， 以使用戶在所述操作界面上調(diào)整文件的類型、文件關(guān)系及排序。
[0032] 優(yōu)選地，所述系統(tǒng)還包括：
[0033] 資源管理模塊，用于從數(shù)據(jù)庫(kù)讀取資源文件的屬性信息，并在瀏覽器中進(jìn)行展示 所述屬性信息。
[0034] 本發(fā)明實(shí)施例提供的出版物數(shù)字資源的自動(dòng)采集方法及系統(tǒng)，可以提高采集出版 物數(shù)字資源的效率，將采集工作人員從龐大的資源文件中解放出來，節(jié)省大量的工作量。而 且，利用本發(fā)明實(shí)施例的方法及系統(tǒng)，可以自動(dòng)將采集結(jié)果入庫(kù)，實(shí)現(xiàn)對(duì)出版物數(shù)字資源的 持久化管理應(yīng)用。從資源采集到入庫(kù)，全程都是自動(dòng)進(jìn)行的，不需要用戶手動(dòng)參與，提高了 系統(tǒng)的自動(dòng)化程度。

【專利附圖】

【附圖說明】
[0035] 圖1是本發(fā)明實(shí)施例出版物數(shù)字資源的自動(dòng)采集方法的流程圖；
[0036] 圖2是本發(fā)明實(shí)施例出版物數(shù)字資源的自動(dòng)采集系統(tǒng)的結(jié)構(gòu)示意圖；
[0037] 圖3是本發(fā)明實(shí)施例中的圖書樣例的整理目錄結(jié)構(gòu)；
[0038] 圖4是本發(fā)明實(shí)施例中的課件樣例的整理目錄結(jié)構(gòu)；
[0039] 圖5是本發(fā)明實(shí)施例中資源采集裝置的界面展示圖；
[0040] 圖6是本發(fā)明實(shí)施例中課件樣例存儲(chǔ)的數(shù)據(jù)庫(kù)相關(guān)表及聯(lián)系；
[0041] 圖7是本發(fā)明實(shí)施例中資源管理裝置展示圖書列表的效果圖；
[0042] 圖8是本發(fā)明實(shí)施例中資源管理裝置展示課件詳細(xì)信息的效果圖。

【具體實(shí)施方式】
[0043] 下面將參考附圖并結(jié)合實(shí)施例，來詳細(xì)說明本發(fā)明。
[0044] 如圖1所示，是本發(fā)明實(shí)施例出版物數(shù)字資源的采集方法的流程圖，包括以下步 驟：
[0045] 步驟101、獲取出版物數(shù)字資源中的資源文件。
[0046] 步驟102、根據(jù)預(yù)設(shè)的識(shí)別規(guī)則對(duì)所述資源文件進(jìn)行識(shí)別，得到識(shí)別結(jié)果，所述識(shí) 別結(jié)果包括：文件類型、文件關(guān)系及排序。
[0047] 所述識(shí)別規(guī)則可以通過獲取并解析XML格式的配置文件來得到。
[0048] 在實(shí)際應(yīng)用中，對(duì)文件的排序可以先按照排序規(guī)則進(jìn)行排序，不符合排序規(guī)則的， 可以按照英文、字符按照首字符ASCII碼進(jìn)行排序，首字符中文按照拼音排序。而且，所述 排序規(guī)則可以通過讀取配置文件得到，默認(rèn)規(guī)則可以為阿拉伯?dāng)?shù)字1、2、3…以及大寫一、 --· · · --、___ 〇
[0049] 需要說明的是，對(duì)于已經(jīng)入庫(kù)的出版物數(shù)字資源，可以重新該出版物數(shù)字資源，進(jìn) 行再次修改調(diào)整或者追加資源文件。
[0050] 另外，對(duì)識(shí)別后的資源文件還可以進(jìn)行手動(dòng)調(diào)整，直到滿足需求。因?yàn)樽詣?dòng)識(shí)別畢 竟是機(jī)器識(shí)別，總會(huì)有識(shí)別不了的一些很個(gè)性化的地方，比如識(shí)別課件，在識(shí)別規(guī)則中設(shè)置 課件的后綴名必須是PPT，但是突然有一章的課件是HTML，僅此一個(gè)，那么可以通過手工將 該是HTML文件設(shè)置為課件。具體地，可以在得到所述識(shí)別結(jié)果后，向用戶展現(xiàn)手動(dòng)修改操 作界面，以使用戶在所述操作界面上調(diào)整文件的類型、文件關(guān)系及排序。
[0051] 步驟103、將所述資源文件上傳到服務(wù)器。
[0052] 具體地，可以通過FTP或者共享方式將所述資源文件從本地上傳到服務(wù)器。
[0053] 步驟104、根據(jù)所述識(shí)別結(jié)果生成所述資源文件的屬性信息，并將所述屬性信息存 儲(chǔ)到數(shù)據(jù)庫(kù)中。
[0054] 具體地，可以首先根據(jù)所述識(shí)別結(jié)果生成XML格式的通知文件，將該通知文件傳 輸給資源入庫(kù)模塊，由資源入庫(kù)模塊解析XML文件得到相應(yīng)的屬性信息，然后將所述屬性 信息存儲(chǔ)進(jìn)數(shù)據(jù)庫(kù)。
[0055] 所述屬性信息可以包括：文件大小、后綴名、文件類型(文檔、圖片、音頻、視頻)，業(yè) 務(wù)類型(封面、插圖、低精度rof)等，圖片會(huì)有分辨率，音視頻有時(shí)長(zhǎng)等等（當(dāng)然后面這些屬 性，分辨率和時(shí)長(zhǎng)的提取需要用的其他工具，可以集成到采集環(huán)節(jié)中）。
[0056] 在本發(fā)明實(shí)施例中，還可進(jìn)一步包括以下步驟：從數(shù)據(jù)庫(kù)讀取資源文件的屬性信 息，并在瀏覽器中進(jìn)行展示所述屬性信息。
[0057] 本發(fā)明實(shí)施例提供的出版物數(shù)字資源的自動(dòng)采集方法，可以有效提高采集出版物 數(shù)字資源的效率，將采集工作人員從龐大的資源文件中解放出來，節(jié)省大量的工作量。而 且，利用本發(fā)明實(shí)施例的方法，可以自動(dòng)將采集結(jié)果入庫(kù)，實(shí)現(xiàn)對(duì)出版物數(shù)字資源的持久化 管理應(yīng)用。從資源采集到入庫(kù)，全程都是自動(dòng)進(jìn)行的，不需要用戶手動(dòng)參與，提高了系統(tǒng)的 自動(dòng)化程度。
[0058] 利用本發(fā)明實(shí)施例的方法，對(duì)于具體的使用者來說，只需要在部署系統(tǒng)的時(shí)候制 定一次識(shí)別規(guī)則XML即可，無需每次使用前制定?？梢耘孔R(shí)別出版物數(shù)字資源?？梢允?動(dòng)選擇出版物數(shù)字資源，也可以設(shè)定目錄，定時(shí)掃描識(shí)別。
[0059] 相應(yīng)地，本發(fā)明實(shí)施例還提供一種出版物數(shù)字資源的自動(dòng)采集系統(tǒng)，圖2示出了 該系統(tǒng)的結(jié)構(gòu)。
[0060] 在該實(shí)施例中，所述系統(tǒng)包括：
[0061] 獲取模塊201，用于獲取出版物數(shù)字資源中的資源文件；
[0062] 識(shí)別模塊202,用于根據(jù)預(yù)設(shè)的識(shí)別規(guī)則對(duì)所述資源文件進(jìn)行識(shí)別，得到識(shí)別結(jié) 果，所述識(shí)別結(jié)果包括：文件類型、文件關(guān)系及排序；
[0063] 上傳模塊203,用于將所述資源文件上傳到服務(wù)器；
[0064] 資源入庫(kù)模塊204,用于根據(jù)所述識(shí)別結(jié)果生成所述資源文件的屬性信息，并將所 述屬性信息存儲(chǔ)到數(shù)據(jù)庫(kù)中。
[0065] 在實(shí)際應(yīng)用中，上述識(shí)別模塊202還用于獲取并解析XML格式的配置文件，從中得 到所述識(shí)別規(guī)則。
[0066] 所述資源入庫(kù)模塊204可以包括：解析單元和入庫(kù)單元，其中，所述解析單元用于 從所述識(shí)別模塊202獲取XML格式的通知文件，解析所述XML文件得到資源文件的屬性信 息；所述入庫(kù)單元用于將所述屬性信息存儲(chǔ)進(jìn)數(shù)據(jù)庫(kù)。
[0067] 另外，在本發(fā)明系統(tǒng)的另一實(shí)施例中，所述系統(tǒng)還可進(jìn)一步包括：展現(xiàn)模塊，用于 在所述識(shí)別模塊202得到識(shí)別結(jié)果后，向用戶展現(xiàn)手動(dòng)修改操作界面，以使用戶在所述操 作界面上調(diào)整文件的類型、文件關(guān)系及排序。用戶可以利用該界面修改資源文件類型、修改 資源文件間的關(guān)系及手動(dòng)排序。
[0068] 另外，在本發(fā)明系統(tǒng)的另一實(shí)施例中，所述系統(tǒng)還可進(jìn)一步包括：資源管理模塊， 用于從數(shù)據(jù)庫(kù)讀取資源文件的屬性信息，并在瀏覽器中進(jìn)行展示所述屬性信息。比如，可以 從數(shù)據(jù)庫(kù)獲取到出版物數(shù)字資源列表，進(jìn)行列表或封面展示，還可以瀏覽出版物數(shù)字資源 詳細(xì)信息。
[0069] 需要說明的是，在本發(fā)明實(shí)施例中，所述識(shí)別規(guī)則可以采用配置文件的方式來定 義?？梢宰远x，以滿足用戶的個(gè)性化需求。采用XML格式定義，修改配置十分方便。所述 識(shí)別規(guī)則可以是文件類型識(shí)別規(guī)則和文件關(guān)系識(shí)別規(guī)則兩種。文件類型識(shí)別規(guī)則是指將單 個(gè)資源文件進(jìn)行歸類的規(guī)則；文件關(guān)系識(shí)別規(guī)則是指建立文件之間關(guān)系的自動(dòng)識(shí)別規(guī)則。
[0070] 進(jìn)一步，識(shí)別模塊202還可以對(duì)資源文件進(jìn)行排序。支持多種排序方式，并且可以 配置擴(kuò)展。
[0071] 本發(fā)明實(shí)施例提供的出版物數(shù)字資源的自動(dòng)采集系統(tǒng)，可以有效提高采集出版物 數(shù)字資源的效率，將采集工作人員從龐大的資源文件中解放出來，節(jié)省大量的工作量。而 且，利用本發(fā)明實(shí)施例的系統(tǒng)，可以自動(dòng)將采集結(jié)果入庫(kù)，實(shí)現(xiàn)對(duì)出版物數(shù)字資源的持久化 管理應(yīng)用。從資源采集到入庫(kù)，全程都是自動(dòng)進(jìn)行的，不需要用戶手動(dòng)參與，提高了系統(tǒng)的 自動(dòng)化程度。
[0072] 下面以典型的圖書及課件為例來詳細(xì)說明本發(fā)明實(shí)施例中制定XML格式的識(shí)別 規(guī)則及利用該識(shí)別規(guī)則對(duì)資源文件進(jìn)行識(shí)別及采集的過程。
[0073] 圖書最常用的整理分類方法為圖3所示的目錄結(jié)構(gòu)，圖書所屬的所有資源分為封 面、正文、插圖、配套音頻、配套視頻五種。每一種分類都有一些屬性來標(biāo)識(shí)自己以及規(guī)范屬 于自己的資源文件，比如：
[0074] 識(shí)別碼（code):分類的唯一標(biāo)識(shí)；
[0075] 名稱（caption):分類的顯示名；
[0076] 過濾器（filter):分類下的文件過濾；
[0077] 資源類型（fileResTypes):分類下所有文件的資源業(yè)務(wù)類型；
[0078] 附件類型（fileTypes):分類下所有文件的附件類型；
[0079] 排序?qū)傩裕╫rder):分類下文件是否需要排序，默認(rèn)不排序；
[0080] 關(guān)聯(lián)關(guān)系（relation):分類下資源之間是否有關(guān)聯(lián)關(guān)系，默認(rèn)沒有。
[0081] 由此可以制定如下的識(shí)別規(guī)則XML :

【權(quán)利要求】
1. 一種出版物數(shù)字資源的自動(dòng)采集方法，其特征在于，包括： 獲取出版物數(shù)字資源中的資源文件； 根據(jù)預(yù)設(shè)的識(shí)別規(guī)則對(duì)所述資源文件進(jìn)行識(shí)別，得到識(shí)別結(jié)果，所述識(shí)別結(jié)果包括：文 件類型、文件關(guān)系及排序； 將所述資源文件上傳到服務(wù)器； 根據(jù)所述識(shí)別結(jié)果生成所述資源文件的屬性信息； 將所述屬性信息存儲(chǔ)到數(shù)據(jù)庫(kù)中。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括： 獲取并解析XML格式的配置文件，從中得到所述識(shí)別規(guī)則。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述識(shí)別結(jié)果生成所述資源文 件的屬性信息包括： 根據(jù)所述識(shí)別結(jié)果生成XML格式的通知文件； 解析所述通知文件，得到所述資源文件的屬性信息。
4. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括： 在得到所述識(shí)別結(jié)果后，向用戶展現(xiàn)手動(dòng)修改操作界面，以使用戶在所述操作界面上 調(diào)整文件的類型、文件關(guān)系及排序。
5. 根據(jù)權(quán)利要求1至4任一項(xiàng)所述的方法，其特征在于，所述方法還包括： 從數(shù)據(jù)庫(kù)讀取資源文件的屬性信息，并在瀏覽器中進(jìn)行展示所述屬性信息。
6. -種出版物數(shù)字資源的自動(dòng)采集系統(tǒng)，其特征在于，包括： 獲取模塊，用于獲取出版物數(shù)字資源中的資源文件； 識(shí)別模塊，用于根據(jù)預(yù)設(shè)的識(shí)別規(guī)則對(duì)所述資源文件進(jìn)行識(shí)別，得到識(shí)別結(jié)果，所述識(shí) 別結(jié)果包括：文件類型、文件關(guān)系及排序； 上傳模塊，用于將所述資源文件上傳到服務(wù)器； 資源入庫(kù)模塊，用于根據(jù)所述識(shí)別結(jié)果生成所述資源文件的屬性信息，并將所述屬性 信息存儲(chǔ)到數(shù)據(jù)庫(kù)中。
7. 根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于， 所述識(shí)別模塊，還用于獲取并解析XML格式的配置文件，從中得到所述識(shí)別規(guī)則。
8. 根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，所述資源入庫(kù)模塊包括： 解析單元，用于從所述識(shí)別模塊獲取XML格式的通知文件，解析所述XML文件得到資源 文件的屬性信息； 入庫(kù)單元，用于將所述屬性信息存儲(chǔ)進(jìn)數(shù)據(jù)庫(kù)。
9. 根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括： 展現(xiàn)模塊，用于在所述識(shí)別模塊得到識(shí)別結(jié)果后，向用戶展現(xiàn)手動(dòng)修改操作界面，以使 用戶在所述操作界面上調(diào)整文件的類型、文件關(guān)系及排序。
10. 根據(jù)權(quán)利要求6至9任一項(xiàng)所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括： 資源管理模塊，用于從數(shù)據(jù)庫(kù)讀取資源文件的屬性信息，并在瀏覽器中進(jìn)行展示所述 屬性信息。
【文檔編號(hào)】G06F17/30GK104424271SQ201310385324
【公開日】2015年3月18日 申請(qǐng)日期:2013年8月29日 優(yōu)先權(quán)日:2013年8月29日
【發(fā)明者】百華睿, 陳長(zhǎng)剛 申請(qǐng)人:北大方正集團(tuán)有限公司, 方正信息產(chǎn)業(yè)控股有限公司, 北京北大方正電子有限公司