CN117010323A - 一种用于电子邮件中的文件的数据格式化方法及系统 - Google Patents

Abstract

本发明涉及信息技术领域，具体公开了一种用于电子邮件中的文件的数据格式化方法及系统，其中方法包括：步骤S10，从多个关联邮箱中获取邮件以及邮件中的文件，邮件的接收地址和发送地址；步骤S20，基于第一关联关系确定文件的第一来源；步骤S30，基于第二关联关系确定文件的第二来源；步骤S40，根据邮件的邮件内容、文件的文件名称和/或文件内容，确定文件的类型；步骤S50，根据文件的类型对文件进行合并处理，得到合并文件；步骤S60，建立合并文件的原始列、第一来源和第二来源与预设的标准列之间的对应关系；步骤S70，根据对应关系将原始列的数据、第一来源和第二来源填充至标准列中。

Description

一种用于电子邮件中的文件的数据格式化方法及系统

技术领域

本发明涉及信息技术领域，具体涉及一种用于电子邮件中的文件的数据格式化方法及系统。

背景技术

当前，数据中心需要对接多种数据源以得到多种数据来源数据，但不同数据来源数据的格式往往不同。这里的不同格式指数据本身存储的格式不同，以及数据本身的数据结构不同。例如，数据以TXT、DOC、超文本标识语言(Hypertext Markup Language,HTML)、可扩展超文本标识语言(Extensible Hypertext Markup Language,xhtml)及可扩展标识语言(Extensible Markup Language,XML)等格式进行储存。

现有技术中，多是采用人工整理非标准格式数据，作业成本高且效率低。

发明内容

针对上述问题，本发明提供了一种用于电子邮件中的文件的数据格式化方法及系统，能够自动统一数据格式，降低作业成本，提高作业效率。

本发明提供了一种数据格式化方法，包括：

步骤S10，从多个关联邮箱中获取邮件以及邮件中的文件，同时获取所述邮件的接收地址和发送地址；

步骤S20，在存储的第一关联关系库中查找所述接收地址对应的第一关联关系，并基于所述第一关联关系确定所述文件的第一来源；

步骤S30，在存储的第二关联关系库中查找所述发送地址对应的第二关联关系，并基于所述第二关联关系确定所述文件的第二来源；

步骤S40，根据所述邮件的邮件内容、所述文件的文件名称和/或文件内容，确定所述文件的类型；

步骤S50，根据所述文件的类型对所述文件进行合并处理，得到合并文件；

步骤S60，建立所述合并文件的原始列、所述第一来源和第二来源与预设的标准列之间的对应关系；

步骤S70，根据所述对应关系将所述原始列的数据、所述第一来源和所述第二来源填充至所述标准列中。

在一种可能的实现方式中，在S20之前，还包括步骤S05：

建立文件的第一来源与邮件的接收地址之间的第一关联关系；

建立文件的第二来源与邮件的发送地址之间的第二关联关系。

在一种可能的实现方式中，所述S40还包括：

当所述文件的类型是预设类型时，扫描所述文件中是否存在预设格式的数据以及数据数量；

当所述文件中存在预设格式的数据时，根据所述文件生成待办文件；

当所述数据数量大于预设阈值时，根据所述文件生成待办文件；

当所述文件的类型不是预设类型时，根据所述文件生成待办文件。

在一种可能的实现方式中，所述S40还包括：

当所述文件的类型是预设类型时，扫描所述文件的版本；

当所述文件的版本不是预设版本时，将所述文件的版本转换为预设版本。

在一种可能的实现方式中，所述S40还包括：

根据接收到的处理指令将所述的待办文件转换为预设类型的待审核文件。

在一种可能的实现方式中，所述S50还包括：

根据接收到的审核指令对所述待审核文件和所述文件进行合并处理，得到合并文件。

在一种可能的实现方式中，所述S50包括：

获取每个所述文件中的数据数量；

根据所述数据数量对所述文件进行合并处理，得到合并文件；所述合并文件的数据数量小于预设阈值。

在一种可能的实现方式中，所述S60包括：

建立所述第一来源和所述第二来源与所述标准列的对应关系；

获取所述合并文件的原始列和所述标准列；

确定每个所述原始列与所述标准列的匹配度；

根据所述原始列的匹配度建立所述原始列与所述标准列的对应关系。

在一种可能的实现方式中，所述S70包括：

获取所述标准列的标准数据格式；

根据所述标准数据格式对填充至所述标准列的数据进行格式转换。

本发明还提供了一种用于电子邮件中的文件的数据格式化系统，用于实现任一上述的数据格式化方法，包括：

获取模块，用于从多个关联邮箱中获取邮件以及邮件中的文件，同时获取所述邮件的接收地址和发送地址；

第一确定模块，用于在存储的第一关联关系库中查找所述接收地址对应的第一关联关系，并基于所述第一关联关系确定所述文件的第一来源；

第二确定模块，用于在存储的第二关联关系库中查找所述发送地址对应的第二关联关系，并基于所述第二关联关系确定所述文件的第二来源；

第三确定模块，用于根据所述邮件的邮件内容、所述文件的文件名称和/或文件内容，确定所述文件的类型；

合并模块，用于根据所述文件的类型对所述文件进行合并处理，得到合并文件；

对应模块，用于建立所述合并文件的原始列、所述第一来源和第二来源与预设的标准列之间的对应关系；

填充模块，用于根据所述对应关系将所述原始列的数据、所述第一来源和所述第二来源填充至所述标准列中。

本发明提供的用于电子邮件中的文件的数据格式化方法及系统，能够自动合并不同版本文件，统一不同格式的数据，得到标准化格式数据，进而降低作业成本，提高作业效率。

附图说明

图1为本发明实施例提供的数据格式化方法的流程示意图；

图2为本发明实施例提供的数据格式化系统的结构示意图。

具体实施方式

下面结合附图和实施例对本发明的实施方式作进一步详细描述。以下实施例的详细描述和附图用于示例性地说明本发明的原理，但不能用来限制本发明的范围，即本发明不限于所描述的优选实施例，本发明的范围由权利要求书限定。

在本发明的描述中，需要说明的是，除非另有说明，“多个”的含义是两个或两个以上；术语“第一”“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性；对于本领域的普通技术人员而言，可视具体情况理解上述术语在本发明中的具体含义。

图1为本发明实施例提供的数据格式化方法的流程示意图，如图1所示，本发明的用于电子邮件中的文件的数据格式化方法，包括：

步骤S10，从多个关联邮箱中获取邮件以及邮件中的文件，同时获取邮件的接收地址和发送地址；

作为S10的一种可能的实现方式中，为了减少重复性获取文件，在获取服务器的关联邮箱中的邮件以及邮件中的文件之前，先获取距离当前时间最近的一次获取动作时间。获取在获取动作时间之后关联邮箱收到的邮件以及邮件中的文件。

进一步地，为了提高获取效率，在获取服务器的关联邮箱中的邮件以及邮件中的文件之前，对关联邮箱中的邮件进行分类，得到有文件的邮件和无文件的邮件。然后获取服务器的关联邮箱中的有文件的邮件以及邮件中的文件。

在一个优选的方案中，关联邮箱分为项目邮箱和公共邮箱。项目邮箱只接收某个项目的邮件，公共邮箱可以接收所有的邮件。对于项目邮箱中的文件可以优先进行合并。

其中，文件与邮件中的接收地址和发送地址对应。

在S10之前，获取关联邮箱列表，从关联邮箱列表中获取关联邮箱。关联邮箱列表中的关联邮箱可以根据需求更改。

在优选的方案中，接收文件的下载设置信息，在从邮件中获取文件时按照下载设置信息进行获取。在一个示例中，下载设置信息包括：药企代码、药企名称、本地路径、特殊处理操作、特殊处理存放路径。在获取文件之后，根据药企代码、本地路径、获取时间、文件名称生成可视化表格，便于查看。用户还可以根据需求对文件的本地路径进行更改，实现文件的迁移。

步骤S20，在存储的第一关联关系库中查找接收地址对应的第一关联关系，并基于第一关联关系确定文件的第一来源；

作为S20的一种可能的实现方式，接收地址与第一来源一一对应，，或者一个接收地址对应多个第一来源，或者多个接收地址对应一个第一来源。第一来源可以是公司名称或公司代码。

当接收地址只有一个时，可以直接根据接收地址查找第一关联关系，得到文件的第一来源。当接收地址有多个时，根据接收地址的历史使用频率确定其中一个接收地址作为主要接收地址，根据主要接收地址和第一关联关系确定文件的第一来源。

步骤S30，在存储的第二关联关系库中查找发送地址对应的第二关联关系，并基于第二关联关系确定文件的第二来源；

作为S30的一种可能的实现方式，发送地址与第二来源一一对应，，或者一个发送地址对应多个第二来源，或者多个发送地址对应一个第二来源。第二来源可以是公司名称或公司代码。

步骤S20和步骤S30没有时序关系，可以先后执行，也可以同步执行。

在S20之前，还可以包括步骤S05：建立文件的第一来源与邮件的接收地址之间的第一关联关系；建立文件的第二来源与邮件的发送地址之间的第二关联关系。

步骤S40，根据邮件的邮件内容、文件的文件名称和/或文件内容，确定文件的类型；

作为S40的一种可能的实现方式，提取所述邮件内容、文件的文件名称和文件内容中的关键词，根据关键词查找对应的类型。

这里的文件的类型可以是文件的主要内容，例如销售情况、进货情况、工资结算情况等等。也可以是文件的存储格式，例如文本文件(例如txt文件等)、表格文件(例如xls或xlsx或csv文件等)、图片文件(例如jpg或png文件等)等等。

在一种可能的实现方式中，为了防止后续文件在合并时出错，在S40之后，当文件的类型是预设类型时，扫描文件中是否存在预设格式的数据以及数据数量；当文件中存在预设格式的数据时，根据文件生成待办文件；当数据数量大于预设阈值时，根据文件生成待办文件；当文件的类型不是预设类型时，根据文件生成待办文件。

在一个示例中，预设类型为表格类型(例如xls或xlsx或csv文件等)。

也就是说，只有当文件为表格类型并且文件中的数据数量小于预设阈值时，该文件才符合合并要求，可以直接进行以一步的文件合并。此外的文件都需要生成待办文件进行人工处理。具体为：根据接收到的处理指令将的待办文件转换为预设类型的待审核文件。

由于这种人工处理可能会出现错误，本发明为了减少错误，对处理后的待办文件增加审核流程，具体为：根据接收到的审核指令对待审核文件和文件进行合并处理，得到合并文件。

为了提高效率，还可以对待办文件进行再次分类处理，处理后再进入人工审核流程。

在一个示例中，待办文件为图片类型，对于图片类型的待办文件进行识别和文字提取，并将提取出的文件按照图片中的位置插入表格。

在另一个示例中，待办文件为文本文件，识别文本文件中的文字的行数和列数确定创建的表格的行数和列数，然后根据文本文件中已有的文字建立表格，将表格另存至一个新的表格文件中。

在一种可能的实现方式中，为了减少文件合并时因版本问题出错，在S40之后，当文件的类型是预设类型时，扫描文件的版本；当文件的版本不是预设版本时，将文件的版本转换为预设版本。这里的预设版本可以是下方标准列所对应的表格类型的版本。

在一个示例中，预设版本是xls，文件的版本是xlsx，需要将xlsx的文件转换为xls。

在优选的方案中，预设版本除了是用户预先设定的固定版本，也可以是根据接收到的文件的版本确定的。

在一个示例中，为了减少文件的版本转换的次数，统计预设类型的各版本的数量，将统计的数量最高的版本作为预设版本。

步骤S50，根据文件的类型对文件进行合并处理，得到合并文件；

作为S50的一种可能的实现方式，获取每个文件中的数据数量；根据数据数量对文件进行合并处理，得到合并文件；合并文件的数据数量小于预设阈值。这种合并方式可以有效方式文件过大，导致后续再填充标准列时出现错误。

在根据数据数量对文件进行合并时，可以先根据数据数量对文件进行排序，优先对数据数量最大的文件进行合并。

在一个示例中，确定数据数量最大的文件为第一文件，根据预设阈值和所述第一文件的数据数量确定差值，比较差值与最小的文件的数据数量。当差值小于最小的文件的数据数量时，表明当前没有合适的其他文件可以与第一文件进行合并，直接将第一文件作为合并文件。当差值等于最小的文件的数据数量时，表明最小的数据数量的文件可以与第一文件进行合并。当差值大于最小的文件的数据数量时，表明当前有其他文件可以与第一文件进行合并，根据差值按照数据数量从小到大的顺序进行查找，将小于差值且数值最接近差值的数据数量所对应的文件作为第一文件。然后再次比较差值与最小的文件的数据数量。直至差值小于最小的文件的数据数量时，对所有第一文件进行合并处理，得到合并文件。

步骤S60，建立合并文件的原始列、第一来源和第二来源与预设的标准列之间的对应关系；

在一种可能的实现方式中，建立第一来源和第二来源与标准列的对应关系；获取合并文件的原始列和标准列；确定每个原始列与标准列的匹配度；根据原始列的匹配度建立原始列与标准列的对应关系。

步骤S70，根据对应关系将原始列的数据、第一来源和第二来源填充至标准列中。

在一种可能的实现方式中，获取标准列的标准数据格式；根据标准数据格式对填充至标准列的数据进行格式转换。

在一个示例中，标准列销售额需要统计小数后两位，而填充后的数据是整数，此时就需要对这些整数进行格式转换。

为防止数据重复，在S70之后，对标准列中的数据进行扫描，当任意两行中的数据所对应的所有标准列中填充的数据相同时，认为这两行数据重复，删除其中一行数据。

在一个示例中，获取关联邮箱A、关联邮箱B。从关联邮箱A中获取到邮件A1和A2，邮件A1中没有文件，邮件A2中存在文件a2。从关联邮箱B中获取到邮件B1和B2，邮件B1中存在文件b1,邮件B2中存在文件b2。

邮件A1中没有文件，不需要进行后续处理。根据邮件A2的接收地址和发送地址确定文件a2的第一来源和第二来源；根据邮件B1的接收地址和发送地址确定文件b1的第一来源和第二来源；根据邮件B2的接收地址和发送地址确定文件b2的第一来源和第二来源。

根据邮件A2的邮件内容、文件a2的文件名称和文件内容，确定文件a2的类型为表格；根据邮件B1的邮件内容、文件b1的文件名称和文件内容，确定文件b1的类型为图片；根据邮件B2的邮件内容、文件b2的文件名称和文件内容，确定文件b2的类型为表格。

由于文件b1的类型为图片，不是预设类型，将文件b1作为待办文件，对文件a2和文件b2进行合并处理，得到合并文件a2b2。

合并文件a2b2中具有原始列：项目、联系人、联系电话、产品、数量、规格。

标准列包括：项目名称、负责人、电话、药品、数量、规格、来源1、来源2。

则可以建立原始列和标准列的对应关系：项目-项目名称、联系人-负责人、联系电话-电话、产品-药品、数量-数量、规格-规格、第一来源-来源1、第二来源-来源2。

通过以上的对应关系将将原始列的数据、第一来源和第二来源按顺序填充至标准列中。

图2为本发明实施例提供的数据格式化系统的结构示意图，如图2所示，本发明还提供了一种用于电子邮件中的文件的数据格式化系统，用于实现任一上述的数据格式化方法，包括：

获取模块201，用于从多个关联邮箱中获取邮件以及邮件中的文件，同时获取所述邮件的接收地址和发送地址；

第一确定模块202，用于在存储的第一关联关系库中查找接收地址对应的第一关联关系，并基于第一关联关系确定文件的第一来源；

第二确定模块203，用于在存储的第二关联关系库中查找发送地址对应的第二关联关系，并基于第二关联关系确定文件的第二来源；

第三确定模块204，用于根据邮件的邮件内容、文件的文件名称和/或文件内容，确定文件的类型；

合并模块205，用于根据文件的类型对文件进行合并处理，得到合并文件；

对应模块206，用于建立合并文件的原始列、第一来源和第二来源与预设的标准列之间的对应关系；

填充模块207，用于根据对应关系将原始列的数据、第一来源和第二来源填充至标准列中。

在一种可能的实现方式中，数据格式化系统还包括：

第一建立模块，用于建立第一来源与接收地址之间的第一关联关系；

第二建立模块，用于建立第二来源与发送地址之间的第二关联关系。

在一种可能的实现方式中，数据格式化系统还包括：

格式扫描模块，用于当文件的类型是预设类型时，扫描文件中是否存在预设格式的数据以及数据数量；

待办文件生成模块，用于当文件中存在预设格式的数据时，根据文件生成待办文件；

待办文件生成模块，还用于当数据数量大于预设阈值时，根据文件生成待办文件；

待办文件生成模块，还用于当文件的类型不是预设类型时，根据文件生成待办文件。

在一种可能的实现方式中，数据格式化系统还包括：

版本扫描模块，用于当文件的类型是预设类型时，扫描文件的版本；

版本转换模块，用于当文件的版本不是预设版本时，将文件的版本转换为预设版本。

在一种可能的实现方式中，数据格式化系统还包括：类型转换模块，用于根据接收到的处理指令将的待办文件转换为预设类型的待审核文件。

在一种可能的实现方式中，数据格式化系统还包括：合并处理模块，用于根据接收到的审核指令对待审核文件和文件进行合并处理，得到合并文件。

在一种可能的实现方式中，合并模块，还可以用于获取每个文件中的数据数量；根据数据数量对文件进行合并处理，得到合并文件；合并文件的数据数量小于预设阈值。

在一种可能的实现方式中，对应模块，还可以用于：

建立第一来源和第二来源与标准列的对应关系；

获取合并文件的原始列和标准列；

确定每个原始列与标准列的匹配度；

根据原始列的匹配度建立原始列与标准列的对应关系。

在一种可能的实现方式中，填充模块，还可以用于：

获取标准列的标准数据格式；

根据标准数据格式对填充至标准列的数据进行格式转换。

本发明提供的用于电子邮件中的文件的数据格式化方法及系统，能够自动合并不同版本文件，统一不同格式的数据，得到标准化格式数据，进而降低作业成本，提高作业效率。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种用于电子邮件中的文件的数据格式化方法，其特征在于，包括：

步骤S10，从多个关联邮箱中获取邮件以及邮件中的文件，同时获取所述邮件的接收地址和发送地址；

步骤S20，在存储的第一关联关系库中查找所述接收地址对应的第一关联关系，并基于所述第一关联关系确定所述文件的第一来源；

步骤S30，在存储的第二关联关系库中查找所述发送地址对应的第二关联关系，并基于所述第二关联关系确定所述文件的第二来源；

步骤S40，根据所述邮件的邮件内容、所述文件的文件名称和/或文件内容，确定所述文件的类型；

步骤S50，根据所述文件的类型对所述文件进行合并处理，得到合并文件；

步骤S60，建立所述合并文件的原始列、所述第一来源和第二来源与预设的标准列之间的对应关系；

步骤S70，根据所述对应关系将所述原始列的数据、所述第一来源和所述第二来源填充至所述标准列中。

2.根据权利要求1所述的数据格式化方法，其特征在于，还包括步骤S05：

建立文件的第一来源与邮件的接收地址之间的第一关联关系；

建立文件的第二来源与邮件的发送地址之间的第二关联关系。

3.根据权利要求1所述的数据格式化方法，其特征在于，所述S40还包括：

当所述文件的类型是预设类型时，扫描所述文件中是否存在预设格式的数据以及数据数量；

当所述文件中存在预设格式的数据时，根据所述文件生成待办文件；

当所述数据数量大于预设阈值时，根据所述文件生成待办文件；

当所述文件的类型不是预设类型时，根据所述文件生成待办文件。

4.根据权利要求3所述的数据格式化方法，其特征在于，所述S40还包括：

当所述文件的类型是预设类型时，扫描所述文件的版本；

当所述文件的版本不是预设版本时，将所述文件的版本转换为预设版本。

5.根据权利要求3所述的数据格式化方法，其特征在于，所述S40还包括：

根据接收到的处理指令将所述的待办文件转换为预设类型的待审核文件。

6.根据权利要求5所述的数据格式化方法，其特征在于，所述S50还包括：

根据接收到的审核指令对所述待审核文件和所述文件进行合并处理，得到合并文件。

7.根据权利要求1所述的数据格式化方法，其特征在于，所述S50包括：

获取每个所述文件中的数据数量；

根据所述数据数量对所述文件进行合并处理，得到合并文件；所述合并文件的数据数量小于预设阈值。

8.根据权利要求1所述的数据格式化方法，其特征在于，所述S60包括：

建立所述第一来源和所述第二来源与所述标准列的对应关系；

获取所述合并文件的原始列和所述标准列；

确定每个所述原始列与所述标准列的匹配度；

根据所述原始列的匹配度建立所述原始列与所述标准列的对应关系。

9.根据权利要求1所述的数据格式化方法，其特征在于，所述S70包括：

获取所述标准列的标准数据格式；

根据所述标准数据格式对填充至所述标准列的数据进行格式转换。

10.一种用于电子邮件中的文件的数据格式化系统，用于实现权利要求1-9任一所述的数据格式化方法，其特征在于，包括：

获取模块，用于从多个关联邮箱中获取邮件以及邮件中的文件，同时获取所述邮件的接收地址和发送地址；

第一确定模块，用于在存储的第一关联关系库中查找所述接收地址对应的第一关联关系，并基于所述第一关联关系确定所述文件的第一来源；

第二确定模块，用于在存储的第二关联关系库中查找所述发送地址对应的第二关联关系，并基于所述第二关联关系确定所述文件的第二来源；

第三确定模块，用于根据所述邮件的邮件内容、所述文件的文件名称和/或文件内容，确定所述文件的类型；

合并模块，用于根据所述文件的类型对所述文件进行合并处理，得到合并文件；

对应模块，用于建立所述合并文件的原始列、所述第一来源和第二来源与预设的标准列之间的对应关系；

填充模块，用于根据所述对应关系将所述原始列的数据、所述第一来源和所述第二来源填充至所述标准列中。