- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
《MS-DOC文件文本提取研究》.pdf
CN 43—1258/TP 计算机工程与科学 第 36卷第 8期 2014年 8月
ISSN 1007—13OX
ComputerEngineering Science Vo1.36,No.8,Aug.2014
文章编号:1007-130X(2014)08—1505—07
MS-DOC文件文本提取研究
黄步根 ,伏 娟
(1.江苏警官学院计算机信息与网络安全系,江苏 南京 210012;2.淮安市公安局 ,江苏 淮安 223005)
摘 要 :关键词搜索广泛应用于情报分析 、搜索引擎和计算机取证,对 MS—DOC文件进行关键词搜索
可能漏判 ,明明存在 的关键词却找不到。微软复合文档结构 由一系列流组成,流以扇区为单位存储 ,通过
目录结构和扇区分配表对流及其存储空间进行管理。MS—DOC文件 中的文本存储在 WordDocument流
中,文本存储不一定连续,通过 Table流记录分块情况。关键词可能跨越不相邻扇区,即使在相邻扇 区,一
个关键词可能一部分是压缩存储 ,另一部分是非压缩存储 ,这些都是关键词搜索漏判的原 因。根据 Table
流中的分块信息提取 WordDocument流中的文本,并统一编码格式,进而进行关键词搜索,就可以避免漏
判 。
关键词 复合文档 文本提取 关键词 搜 索;计算机取证
中图分类号:TP391 文献标志码 :A
doi:10.3969/.issn.1007—130X.2014.08.014
Researchon extractingtextfrom M S-DOC files
HUANG Bu—gen 。FU Juan
(1.DepartmentofComputerInformationandCyberSecurity,JiangsuPoliceInstitute,Nanjing210012;
2.HuaianM unicipalPublicSecurityBureau,Huaian223005,China)
Abstract:Keywordsearch iswidelyusedinintelligenceanalysis,searchengineandcomputerforen—
sics.However,sometimessearching keywordsinMS—DOC filesmay failto findoutsomematches,
whichareusuallycalledfalsenegatives.M icrosoftcompounddocumentiscomposedbyaseriesofstream
storedin sectors.Thestreamsandthesectorsaremanagedthroughthedirectoryandthesectoralloca—
tiontable.ThetextiSstoredintheMS—DOCfileWordDocumentstream,textstorageisnotnecessarilv
continuous,and theTablestream recordstheblock information.Keywordmaybestored in different
sectorsthatarenotadjacent.Eventhesectorsareadjacent,thepartofthekeywordmaybecompressed,
buttheotherpartisnotcompressed.Thesecausethefalsenegatives
. Firstly,textsareextractedfrom
theWordDocumentstream basedontheblockinforma
您可能关注的文档
- 《Lu3+掺杂对CdO陶瓷电、热输运性能的影响》.pdf
- 《Luteolin prevents uric acid-induced pancreatic β-cell dysfunction》.pdf
- 《L~2(R~d)中MRA小波相位的刻画》.pdf
- 《M-Z干涉仪型光纤分布式扰动传感系统模式识别方法》.pdf
- 《M2M的业务范畴及其技术发展》.pdf
- 《M51星系盘上HCN J=1-0发射线的成图观测》.pdf
- 《Mars500志愿者健康状态中医监测数据分析》.pdf
- 《Matlab中图像边缘检测算法研究》.pdf
- 《MCNP模拟月表关键性元素γ射线与实测结果比较分析》.pdf
- 《MC环境下LIS的指标权重确定方法》.pdf
- 江苏省灌云高级中学2023-2024学年高三上学期第一次月考地理试题含答案.docx
- 备战2024年高考物理一轮重难点复习 第十三章 近代物理.docx
- 江苏省高邮市一中2021-2022学年高三上学期第一次月考语文试题(原卷版).docx
- 江苏省华罗庚中学2023-2024学年高三上学期12月阶段检测数学试卷含答案.docx
- 江苏省海门中学2023-2024学年高三上学期第一次调研考试地理试题及答案.docx
- 备战2024年高考物理一轮重难点复习 第九章 恒定电流.docx
- 江苏省高邮市2023-2024学年高三下学期3月学情调研数学试题含答案.docx
- 备战2024年高考物理一轮重难点复习 实验十一:探究影响感应电流方向的因素.docx
- 备战2024年高考物理一轮重难点复习 实验三:验证平行四边形定则.docx
- 备战2024年高考物理一轮重难点复习 第十四章 光.docx
文档评论(0)