CN115599778A - 一种数据文件的处理方法、装置、电子设备和存储介质 - Google Patents
一种数据文件的处理方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115599778A CN115599778A CN202211338413.1A CN202211338413A CN115599778A CN 115599778 A CN115599778 A CN 115599778A CN 202211338413 A CN202211338413 A CN 202211338413A CN 115599778 A CN115599778 A CN 115599778A
- Authority
- CN
- China
- Prior art keywords
- data
- row
- abnormal
- data file
- field
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims abstract description 205
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000012795 verification Methods 0.000 claims abstract description 30
- 230000004044 response Effects 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 17
- 230000002547 anomalous effect Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2365—Ensuring data consistency and integrity
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Security & Cryptography (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种数据文件的处理方法,涉及数据处理领域,该方法包括:响应于获取到第一数据文件,对预设标准字段总和第一数据文件中的数据行进行规则校验,以确定预设标准字段总和第一数据文件中是否存在异常数据行;若确定预设标准字段总和第一数据文件中存在异常数据行,则根据关联数据库和/或预设标准字段总和第一数据文件中预设标准字段总和异常数据行的关联数据行,对预设标准字段总和异常数据行进行数据更新,以获取数据更新后的第一数据文件。本发明实施例的技术方案,实现了数据文件中异常数据的自动更新,提升了数据文件的处理效率,在实现数据文件中数据规范的同时,避免了数据缺失现象发生,确保了数据文件的数据完整性。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种数据文件的处理方法、装置、电子设备和存储介质。
背景技术
随着计算机技术的不断发展,各种业务系统获取到的数据文件数量也在与日俱增,在众多的数据文件中常常出现数据错误,因此对于数据文件中错误数据的修正,也变得尤为重要。
现有技术中,业务系统对数据文件进行校验后,针对错误数据,通常是采用数据清洗的方式进行处理,或者将错误数据发送给技术人员,通过人工审核的方式进行数据修正。
然而,数据清洗是将上述错误数据直接过滤、删除,由此常常导致数据缺失现象发生,而人工审核、修正,则需要耗费大量的人力成本和时间成本,效率较低,且极易出现数据遗漏。
发明内容
本发明提供了一种数据文件的处理方法、装置、电子设备和存储介质,以修正数据文件中的异常数据。
根据本发明的一方面,提供了一种数据文件的处理方法,包括:
响应于获取到第一数据文件,对所述第一数据文件中的数据行进行规则校验,以确定所述第一数据文件中是否存在异常数据行;其中,所述规则校验包括字段数量校验、数据类型校验以及数据格式校验中的至少一项;
若确定所述第一数据文件中存在异常数据行,则根据关联数据库和/或所述第一数据文件中所述异常数据行的关联数据行,对所述异常数据行进行数据更新,以获取数据更新后的第一数据文件。
根据本发明的另一方面,提供了一种数据文件的处理装置,包括:
异常数据行获取模块,用于响应于获取到第一数据文件,对所述第一数据文件中的数据行进行规则校验,以确定所述第一数据文件中是否存在异常数据行;其中,所述规则校验包括字段数量校验、数据类型校验以及数据格式校验中的至少一项;
数据更新执行模块,用于若确定所述第一数据文件中存在异常数据行,则根据关联数据库和/或所述第一数据文件中所述异常数据行的关联数据行,对所述异常数据行进行数据更新,以获取数据更新后的第一数据文件。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的数据文件的处理方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的数据文件的处理方法。
本发明实施例的技术方案,在获取到第一数据文件,并对第一数据文件中的数据行进行规则校验,以确定第一数据文件中是否存在异常数据行后,若确定存在异常数据行,则根据关联数据库和/或第一数据文件中异常数据行的关联数据行,对异常数据行进行数据更新,以此实现了数据文件中异常数据的自动更新,提升了数据文件的处理效率,在实现数据文件中数据规范的同时,避免了数据缺失现象发生,确保了数据文件的数据完整性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种数据文件的处理方法的流程图;
图2是根据本发明实施例二提供的一种数据文件的处理方法的流程图;
图3是根据本发明实施例三提供的一种数据文件的处理方法的流程图;
图4是根据本发明实施例四提供的一种数据文件的处理装置的结构示意图;
图5是实现本发明实施例的数据文件的处理方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种数据文件的处理方法的流程图,本实施例可适用于修正数据文件中的异常数据,该方法可以由数据文件的处理装置来执行,该数据文件的处理装置可以采用硬件和/或软件的形式实现,该数据文件的处理装置可配置于电子设备中,典型的,可以配置于金融机构的业务服务器中。如图1所示,该方法包括:
S101、响应于获取到第一数据文件,对所述第一数据文件中的数据行进行规则校验,以确定所述第一数据文件中是否存在异常数据行;其中,所述规则校验包括字段数量校验、数据类型校验以及数据格式校验中的至少一项。
业务系统通过不同的业务接口获取各个外部系统,例如,企业资源计划(Enterprise Resource Planning,ERP)系统,发出的数据文件;每个业务接口对应的业务模板中定义了当前接口获取到的数据文件中,每个数据行的字段数量(即预设标准字段值),每个字段的数据类型以及每个字段的数据格式;而一个数据文件(即第一数据文件)则包括多个数据行,每个数据行分别用于表征一个特定的对象(例如,个人用户或者企业用户)或者事件;每个数据行包括多个字段,每个字段表示该数据行的一个参数信息,各个字段共同组成了该对象或事件完整的参数信息;可选的,在本发明实施例中,对数据文件中数据行表征的对象类型和事件类型均不作具体限定。
字段数量校验,即判断各个数据行的字段数量是否等于业务模板中定义的预设标准字段值;如果各个数据行的字段数量均等于业务模板中定义的预设标准字段值,即表示第一数据文件中的各个数据行通过了字段数量校验;如果任意数据行的字段数量不等于业务模板中定义的预设标准字段值,即表示该数据行未通过字段数量校验,也即该数据行为异常数据行;其中,可以将未通过字段数量校验的数据行标记为第一类型异常数据行。
数据类型校验,即判断每个数据行的各个字段中的数据类型是否与业务模板中该字段定义的数据类型相匹配;其中,数据类型可以包括字符型、数字型、日期型和浮点型等;如果每个数据行的各个字段中的数据类型,均与业务模板中该字段定义的预设数据类型相匹配,即表示第一数据文件中的各个数据行均通过了数据类型校验;如果任意数据行的某个字段中的数据类型,与业务模板中该字段定义的预设数据类型不匹配,即表示该数据行未通过数据类型校验,也即该数据行为异常数据行;其中,可以将未通过数据类型校验的数据行标记为第二类型异常数据行。
数据格式校验,即判断每个数据行的各个字段中的数据格式是否与业务模板中该字段定义的数据格式相匹配;其中,数据格式校验可以是判断该字段中是否包括特定字符,也可以是判断该字段中的字符数量是否大于等于预设标准字符值;例如,如果当前字段用于描述地址信息,那么该字段中的数据格式应该包括所在地域的归属“市”、“县(区)”等字样,如果该字段中不包括上述信息,则表示该字段的数据格式不合规,即未通过数据格式校验;同样的,对于描述地址信息的字段而言,该字段中的数据格式应该包括较多数量的字符,即字符数量大于等于预设标准字符值,如果该字段中的字符数量较少,即小于预设标准字符值,也表示该字段的数据格式不合规,同样未通过数据格式校验。
如果每个数据行的各个字段中的数据格式,均与业务模板对应字段定义的数据格式相匹配,即表示第一数据文件中的各个数据行通过了数据格式校验;如果任意数据行的某个字段中的数据格式,与业务模板对应字段定义的数据格式不匹配,即表示该数据行未通过数据格式校验,也即该数据行为异常数据行;其中,可以将未通过数据格式校验的数据行标记为第三类型异常数据行。
可选的,在本发明实施例中,所述对所述第一数据文件中的数据行进行规则校验,包括:基于数据行拆分系数,将所述第一数据文件拆分为多个子数据文件;其中,所述子数据文件包括至少一个数据行;通过多线程分别对各所述子数据文件中的数据行进行规则校验。
具体的,数据行拆分系数,是预先定义的数据拆分依据,例如,将数据行拆分系数定义为N,N大于等于1;数据行拆分系数可以是每个子数据文件中的数据行数量阈值,即依次将N个数据行作为一个子数据文件,直至第一数据文件中的剩余数据行的数量小于等于N时,将剩余数据行作为最后一个子数据文件,由此,除最后一个子数据文件之外,其它子数据文件中均包括N个数据行;数据行拆分系数还可以是子数据文件的数量阈值,即将第一数据文件中的数据行平均分配至N个子数据文件中,以使各个子数据文件中的数据行数量大致相等(实际上各个子数据文件中的数据行数量最多仅相差一个)。将第一数据文件拆分为多个子数据文件,并以多线程的方式执行规则校验,提高了数据行的校验效率,解决了依赖单一处理装置单线程处理效率较低的问题,避免了单一处理装置在设备不稳定或设备宕机的情况下,数据处理失败的情况发生。
可选的,在本发明实施例中,所述根据关联数据库和/或所述第一数据文件中所述异常数据行的关联数据行,对所述异常数据行进行数据更新,以获取数据更新后的第一数据文件,包括:将所述异常数据行加入异常数据集,并记录所述异常数据行在所述第一数据文件中的行标识;根据所述第一数据文件中所述异常数据行的关联数据行,对所述异常数据行进行数据更新;根据所述异常数据行的行标识,将数据更新后的异常数据行插入所述第一数据文件中。
异常数据集是存储异常数据行的集合,通过将异常数据行加入异常数据集,实现了异常数据行与数据文件的解耦,即解除了异常数据行与数据文件本身的关联关系,使得单一数据行存在错误时,不会影响数据文件中其它数据行的规则校验,即可以通过区别于规则校验线程之外的数据更新线程,执行异常数据行的数据更新,避免了由于单一数据行存在错误数据或者缺失数据,导致数据文件无法执行其它数据行的规则校验,进一步提高了数据文件的处理效率。
S102、若确定所述第一数据文件中存在异常数据行,则根据关联数据库和/或所述第一数据文件中所述异常数据行的关联数据行,对所述异常数据行进行数据更新,以获取数据更新后的第一数据文件。
在一个数据文件中,相邻数据行通常具备相似的数据组成,因此,关联数据行可以是数据文件中与异常数据行上下相邻的多个数据行,且关联数据行均为不存在数据异常的正常数据行;关联数据行的数量,可以根据需要设定为固定数值,也可以根据异常数据行中异常字段的数量,获取匹配的动态数值;例如,当前异常数据行中异常字段的数量越多,那么获取到的关联数据行的数量也越多,当前异常数据行中异常字段的数量越少,那么获取到的关联数据行的数量也越少;
如果第一数据文件中存在未通过数据类型校验或者数据格式校验的异常数据行,获取异常数据行中的异常字段,即数据类型不合规字段或者数据格式不合规字段,并在各个关联数据行中分别获取与异常字段的字段序列编号一致的关联字段,如果各个关联字段中的数据一致,可以直接将关联字段中的数据,填充进对应的异常字段中,以此完成对异常数据行的数据更新;还可以根据异常数据行中的正常字段,直接在关联数据库中查找匹配的目标数据行,并根据目标数据行中各字段的数据,对异常数据行中的异常字段进行数据填充,以确保异常数据行中数据的规范性和完整性;其中,关联数据库可以是企业内部用于记录历史业务信息的业务信息数据库,也可以是来自于第三方的数据库。
本发明实施例的技术方案,在获取到第一数据文件,并对第一数据文件中的数据行进行规则校验,以确定第一数据文件中是否存在异常数据行后,若确定存在异常数据行,则根据关联数据库和/或第一数据文件中异常数据行的关联数据行,对异常数据行进行数据更新,以此实现了数据文件中异常数据的自动更新,提升了数据文件的处理效率,在实现数据文件中数据规范的同时,避免了数据缺失现象发生,确保了数据文件的数据完整性。
实施例二
图2为本发明实施例二提供的一种数据文件的处理方法的流程图,本实施例与上述实施例之间的关系在于,针对未通过字段数量校验的异常数据行,基于各字段的数据类型进行字段对齐。如图2所示,该方法包括:
S201、响应于获取到第一数据文件,对所述第一数据文件中的数据行进行规则校验,以确定所述第一数据文件中是否存在异常数据行;其中,所述规则校验包括字段数量校验。
S202、若确定所述第一数据文件中存在未通过字段数量校验的异常数据行,则根据所述异常数据行中各字段的数据类型,将所述异常数据行与所述关联数据行进行字段对齐。
对于未通过字段数量校验的异常数据行,根据数据类型,将异常数据行中的各个字段与关联数据行中的字段依次进行对齐;如果异常数据行的字段数量大于预设标准字段值,显然会出现一个或多个字段无法找到匹配的关联字段,成为冗余字段,冗余字段可能出现在异常数据行的任意位置;如果异常数据行的字段数量小于预设标准字段值,则会出现缺失字段,同样的,缺失字段也可能出现在异常数据行的任意位置。
S203、若所述异常数据行的字段数量大于预设标准字段值,则删除所述异常数据行中的冗余字段。
S204、若所述异常数据行的字段数量小于预设标准字段值,则获取各所述关联数据行中与所述异常数据行的缺失字段对应的关联字段。
S205、判断各所述关联字段中的数据是否一致;若是,执行S206;若否,执行S207。
S206、根据所述关联字段中的数据对所述缺失字段进行填充。
如果各个关联字段中的数据一致,则将关联字段中的数据填充进缺失字段,以确保异常数据行中数据的完整性。
S207、根据所述缺失字段对应的空位标识对所述缺失字段进行填充。
由于不同字段对应的数据类型和数据格式可能不同,因此,对于缺失字段而言,不同的缺失字段以不同的空位标识表示;例如,如果当前缺失字段为日期字段,则通过空位标识“YYYYMMDD”进行填充,以使空位标识的位数与关联字段中八位数的日期相匹配;如果当前缺失字段为时间字段,即通过空位标识“HHMMSS”进行填充,以使空位标识的位数与关联字段中六位数的时间相匹配。
可选的,在本发明实施例中,在对所述第一数据文件中的数据行进行规则校验,以确定所述第一数据文件中是否存在异常数据之后,还包括:若确定所述第一数据文件中存在未通过字段数量校验的多个连续异常数据行,则判断所述多个连续异常数据行的字段总数是否等于对应的预设标准字段总和;若所述多个连续异常数据行的字段总数等于对应的预设标准字段总和,则通过字段移位对所述多个连续异常数据行进行数据更新;所述根据关联数据库和/或所述第一数据文件中所述异常数据行的关联数据行,对所述异常数据行进行数据更新,以获取数据更新后的第一数据文件,包括:若所述多个连续异常数据行的字段总数不等于对应的预设标准字段总和,则根据关联数据库和/或所述第一数据文件中所述异常数据行的关联数据行,对所述异常数据行进行数据更新,以获取数据更新后的第一数据文件。
具体的,当数据文件中存在字段错位时,即一个数据行的字段被误放入另一个数据行时,会导致一个数据行的字段数量过多,另一个数据行的字段数量过少,而上述两个字段之间可能还存在一个或多个异常数据行,上述一个或多个异常数据行中虽然字段数量均等于预设标准字段值,但由于字段的错位,存在数据类型不符的异常字段,因此,如果第一数据文件中存在连续的多个异常数据行,且上述多个异常数据行的字段总数,与相应的预设标准字段总和一致,即可通过字段移位,修改上述异常数据行中的数据异常;其中,预设标准字段总和是预设标准字段值与上述连续异常数据行数量的乘积。
本发明实施例公开的技术方案,如果异常数据行未通过字段数量校验,则根据异常数据行中各字段的数据类型,将异常数据行与关联数据行进行字段对齐,以删除异常数据行中的冗余字段,或者通过关联字段中的数据或者空位标识对缺失字段进行填充,以此对未通过字段数量校验的异常数据行进行了数据修正,在实现数据文件中数据规范的同时,避免了数据缺失现象发生,确保了数据文件的数据完整性。
实施例三
图3为本发明实施例三提供的一种数据文件的处理方法的流程图,本实施例与上述实施例之间的关系在于,如果关联字段中的数据不一致,则在关联数据库中获取第一目标数据。如图3所示,该方法包括:
S301、响应于获取到第一数据文件,对所述第一数据文件中的数据行进行规则校验,以确定所述第一数据文件中是否存在异常数据行;其中,所述规则校验包括字段数量校验。
S302、若确定所述第一数据文件中存在未通过字段数量校验的异常数据行,则根据所述异常数据行中各字段的数据类型,将所述异常数据行与所述关联数据行进行字段对齐。
对于未通过字段数量校验的异常数据行,根据数据类型,将异常数据行中的各个字段与关联数据行中的字段依次进行对齐;如果异常数据行的字段数量大于预设标准字段值,显然会出现一个或多个字段无法找到匹配的关联字段,成为冗余字段,冗余字段可能出现在异常数据行的任意位置;如果异常数据行的字段数量小于预设标准字段值,则会出现缺失字段,同样的,缺失字段也可能出现在异常数据行的任意位置。
S303、若所述异常数据行的字段数量大于预设标准字段值,则删除所述异常数据行中的冗余字段。
S304、若所述异常数据行的字段数量小于预设标准字段值,则获取各所述关联数据行中与所述异常数据行的缺失字段对应的关联字段。
S305、判断各所述关联字段中的数据是否一致;若是,执行S306;若否,执行S307。
S306、根据所述关联字段中的数据对所述缺失字段进行填充。
如果各个关联字段中的数据一致,则将关联字段中的数据填充进缺失字段,以确保异常数据行中数据的完整性。
S307、根据所述异常数据行中通过规则校验的正常字段,判断所述关联数据库中是否存在与所述异常数据行的相似度大于等于第一预设阈值的第一目标数据;若是,执行S308,若否,执行S309。
S308、通过所述第一目标数据对所述异常数据行中的缺失字段进行数据填充。
具体的,将异常数据行中的正常字段,与关联数据库中的存储数据进行匹配时,可以通过指定字段进行匹配,例如,用户名称,由于用户名称具有唯一性,需要与数据库中的存储信息完全一致,才能确定获取到匹配的第一目标数据,此时第一预设阈值即可设定为100%;也可以根据所有正常字段,与关联数据库中的存储数据进行匹配,由于部分字段的数据可能存在正常变动,例如,当前字段为联系电话时,联系电话显然存在变更的可能,但通常情况下变动字段的数量较少,因此,可以将第一预设阈值设定为稍小于100%的较大数值,例如,设置为95%。
本发明实施例公开的技术方案,如果关联字段中的数据不一致,则根据异常数据行中通过规则校验的正常字段,判断关联数据库中是否存在与异常数据行的相似度大于等于第一预设阈值的第一目标数据,并在存在第一目标数据时,通过第一目标数据对异常数据行中的缺失字段进行数据填充,使得在无法通过关联数据行对异常数据行进行数据更新时,通过关联数据库对异常数据行中的异常字段进行数据更新,进一步确保了数据文件的数据完整性。
实施例四
图4是本发明实施例四所提供的一种数据文件的处理装置的结构框图,该装置具体包括:异常数据行获取模块401和数据更新执行模块402;
异常数据行获取模块401,用于响应于获取到第一数据文件,对所述第一数据文件中的数据行进行规则校验,以确定所述第一数据文件中是否存在异常数据行;其中,所述规则校验包括字段数量校验、数据类型校验以及数据格式校验中的至少一项;
数据更新执行模块402,用于若确定所述第一数据文件中存在异常数据行,则根据关联数据库和/或所述第一数据文件中所述异常数据行的关联数据行,对所述异常数据行进行数据更新,以获取数据更新后的第一数据文件。
本发明实施例的技术方案,在获取到第一数据文件,并对第一数据文件中的数据行进行规则校验,以确定第一数据文件中是否存在异常数据行后,若确定存在异常数据行,则根据关联数据库和/或第一数据文件中异常数据行的关联数据行,对异常数据行进行数据更新,以此实现了数据文件中异常数据的自动更新,提升了数据文件的处理效率,在实现数据文件中数据规范的同时,避免了数据缺失现象发生,确保了数据文件的数据完整性。
可选的,异常数据行获取模块401,具体用于基于数据行拆分系数,将所述第一数据文件拆分为多个子数据文件;其中,所述子数据文件包括至少一个数据行;通过多线程分别对各所述子数据文件中的数据行进行规则校验。
可选的,数据更新执行模块402,具体用于将所述异常数据行加入异常数据集,并记录所述异常数据行在所述第一数据文件中的行标识;根据所述第一数据文件中所述异常数据行的关联数据行,对所述异常数据行进行数据更新;根据所述异常数据行的行标识,将数据更新后的异常数据行插入所述第一数据文件中。
可选的,数据更新执行模块402,具体还用于若确定所述第一数据文件中存在未通过字段数量校验的异常数据行,则根据所述异常数据行中各字段的数据类型,将所述异常数据行与所述关联数据行进行字段对齐;若所述异常数据行的字段数量大于预设标准字段值,则删除所述异常数据行中的冗余字段。
可选的,数据更新执行模块402,具体还用于若所述异常数据行的字段数量小于预设标准字段值,则获取各所述关联数据行中与所述异常数据行的缺失字段对应的关联字段,并判断各所述关联字段中的数据是否一致;若确定各所述关联字段中的数据一致,则根据所述关联字段中的数据对所述缺失字段进行填充;若确定各所述关联字段中的数据不一致,则根据所述缺失字段对应的空位标识对所述缺失字段进行填充。
可选的,数据更新执行模块402,具体还用于根据所述异常数据行中通过规则校验的正常字段,判断所述关联数据库中是否存在与所述异常数据行的相似度大于等于第一预设阈值的第一目标数据;若确定存在第一目标数据,则通过所述第一目标数据对所述异常数据行中的缺失字段进行数据填充;若确定不存在第一目标数据,则根据所述缺失字段对应的空位标识对所述缺失字段进行填充。
可选的,数据更新执行模块402,具体还用于若确定所述第一数据文件中存在未通过字段数量校验的多个连续异常数据行,则判断所述多个连续异常数据行的字段总数是否等于对应的预设标准字段总和;若所述多个连续异常数据行的字段总数等于对应的预设标准字段总和,则通过字段移位对所述多个连续异常数据行进行数据更新;若所述多个连续异常数据行的字段总数不等于对应的预设标准字段总和,则根据关联数据库和/或所述第一数据文件中所述异常数据行的关联数据行,对所述异常数据行进行数据更新,以获取数据更新后的第一数据文件。
上述装置可执行本发明任意实施例所提供的数据文件的处理方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明任意实施例提供的数据文件的处理方法。
实施例五
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如数据文件的处理方法。
在一些实施例中,数据文件的处理方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的数据文件的处理方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行数据文件的处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种数据文件的处理方法,其特征在于,包括:
响应于获取到第一数据文件,对所述第一数据文件中的数据行进行规则校验,以确定所述第一数据文件中是否存在异常数据行;其中,所述规则校验包括字段数量校验、数据类型校验以及数据格式校验中的至少一项;
若确定所述第一数据文件中存在异常数据行,则根据关联数据库和/或所述第一数据文件中所述异常数据行的关联数据行,对所述异常数据行进行数据更新,以获取数据更新后的第一数据文件。
2.根据权利要求1所述的方法,其特征在于,所述对所述第一数据文件中的数据行进行规则校验,包括:
基于数据行拆分系数,将所述第一数据文件拆分为多个子数据文件;其中,所述子数据文件包括至少一个数据行;
通过多线程分别对各所述子数据文件中的数据行进行规则校验。
3.根据权利要求1所述的方法,其特征在于,所述根据关联数据库和/或所述第一数据文件中所述异常数据行的关联数据行,对所述异常数据行进行数据更新,以获取数据更新后的第一数据文件,包括:
将所述异常数据行加入异常数据集,并记录所述异常数据行在所述第一数据文件中的行标识;
根据所述第一数据文件中所述异常数据行的关联数据行,对所述异常数据行进行数据更新;
根据所述异常数据行的行标识,将数据更新后的异常数据行插入所述第一数据文件中。
4.根据权利要求1所述的方法,其特征在于,所述根据关联数据库和/或所述第一数据文件中所述异常数据行的关联数据行,对所述异常数据行进行数据更新,以获取数据更新后的第一数据文件,包括:
若确定所述第一数据文件中存在未通过字段数量校验的异常数据行,则根据所述异常数据行中各字段的数据类型,将所述异常数据行与所述关联数据行进行字段对齐;
若所述异常数据行的字段数量大于预设标准字段值,则删除所述异常数据行中的冗余字段。
5.根据权利要求4所述的方法,其特征在于,在将所述异常数据行与所述关联数据行进行字段对齐之后,还包括:
若所述异常数据行的字段数量小于预设标准字段值,则获取各所述关联数据行中与所述异常数据行的缺失字段对应的关联字段,并判断各所述关联字段中的数据是否一致;
若确定各所述关联字段中的数据一致,则根据所述关联字段中的数据对所述缺失字段进行填充;
若确定各所述关联字段中的数据不一致,则根据所述缺失字段对应的空位标识对所述缺失字段进行填充。
6.根据权利要求5所述的方法,其特征在于,在确定各所述关联字段中的数据不一致之后,还包括:
根据所述异常数据行中通过规则校验的正常字段,判断所述关联数据库中是否存在与所述异常数据行的相似度大于等于第一预设阈值的第一目标数据;
若确定存在第一目标数据,则通过所述第一目标数据对所述异常数据行中的缺失字段进行数据填充;
所述根据所述缺失字段对应的空位标识对所述缺失字段进行填充,包括:
若确定不存在第一目标数据,则根据所述缺失字段对应的空位标识对所述缺失字段进行填充。
7.根据权利要求1所述的方法,其特征在于,在对所述第一数据文件中的数据行进行规则校验,以确定所述第一数据文件中是否存在异常数据之后,还包括:
若确定所述第一数据文件中存在未通过字段数量校验的多个连续异常数据行,则判断所述多个连续异常数据行的字段总数是否等于对应的预设标准字段总和;
若所述多个连续异常数据行的字段总数等于对应的预设标准字段总和,则通过字段移位对所述多个连续异常数据行进行数据更新;
所述根据关联数据库和/或所述第一数据文件中所述异常数据行的关联数据行,对所述异常数据行进行数据更新,以获取数据更新后的第一数据文件,包括:
若所述多个连续异常数据行的字段总数不等于对应的预设标准字段总和,则根据关联数据库和/或所述第一数据文件中所述异常数据行的关联数据行,对所述异常数据行进行数据更新,以获取数据更新后的第一数据文件。
8.一种数据文件的处理装置,其特征在于,包括:
异常数据行获取模块,用于响应于获取到第一数据文件,对所述第一数据文件中的数据行进行规则校验,以确定所述第一数据文件中是否存在异常数据行;其中,所述规则校验包括字段数量校验、数据类型校验以及数据格式校验中的至少一项;
数据更新执行模块,用于若确定所述第一数据文件中存在异常数据行,则根据关联数据库和/或所述第一数据文件中所述异常数据行的关联数据行,对所述异常数据行进行数据更新,以获取数据更新后的第一数据文件。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的数据文件的处理方法。
10.一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存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的数据文件的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211338413.1A CN115599778A (zh) | 2022-10-28 | 2022-10-28 | 一种数据文件的处理方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211338413.1A CN115599778A (zh) | 2022-10-28 | 2022-10-28 | 一种数据文件的处理方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115599778A true CN115599778A (zh) | 2023-01-13 |
Family
ID=84851655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211338413.1A Pending CN115599778A (zh) | 2022-10-28 | 2022-10-28 | 一种数据文件的处理方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115599778A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117194159A (zh) * | 2023-09-11 | 2023-12-08 | 北京优特捷信息技术有限公司 | 一种日志质量评价方法、装置、电子设备和存储介质 |
-
2022
- 2022-10-28 CN CN202211338413.1A patent/CN115599778A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117194159A (zh) * | 2023-09-11 | 2023-12-08 | 北京优特捷信息技术有限公司 | 一种日志质量评价方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11119988B2 (en) | Performing logical validation on loaded data in a database | |
CN110555150B (zh) | 一种数据监控方法、装置、设备和存储介质 | |
CN111666087A (zh) | 运算规则更新方法、装置、计算机系统及可读存储介质 | |
CN111340584A (zh) | 一种资金方的确定方法、装置、设备及存储介质 | |
CN115599778A (zh) | 一种数据文件的处理方法、装置、电子设备和存储介质 | |
CN115794916A (zh) | 多源数据融合的数据处理方法、装置、设备和存储介质 | |
CN116340172A (zh) | 基于测试场景的数据收集方法、装置及测试用例检测方法 | |
CN115509880A (zh) | 业务系统安全情况预测方法、装置、设备及介质 | |
CN115203158A (zh) | 一种数据比对方法、装置、设备以及存储介质 | |
CN114722048A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN114443493A (zh) | 一种测试案例生成方法、装置、电子设备和存储介质 | |
CN113780950A (zh) | 数据处理方法、装置、服务器和可读存储介质 | |
CN114760236B (zh) | 接口检查方法、装置、存储介质和设备 | |
CN118568087A (zh) | 一种操作排序结果生成方法、装置、设备及存储介质 | |
CN115292401A (zh) | 一种客户信息的导入方法、装置、电子设备和存储介质 | |
CN115756575A (zh) | 一种提交记录获取方法、装置、设备及存储介质 | |
CN115827588A (zh) | 一种业务全局流水号的生成方法、装置、设备和存储介质 | |
CN115421665A (zh) | 一种数据存储方法、装置、设备及存储介质 | |
CN117632741A (zh) | 回归测试用例库的确定方法、装置、电子设备及存储介质 | |
CN114864030A (zh) | 一种单病种数据填报及核查方法、装置、设备及介质 | |
CN114780876A (zh) | 一种展示信息的排序方法、装置、设备及存储介质 | |
CN115526609A (zh) | 基于复杂表达式的工作流报错方法以及相关设备 | |
CN115599689A (zh) | 一种测试逻辑的显示方法、装置、设备及存储介质 | |
CN115408195A (zh) | 一种异构平台的批量任务管理方法、设备和存储介质 | |
CN118069056A (zh) | 一种数据写入方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |