PDF文档解析与内容脱敏技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状及存在问题 | 第12-14页 |
| 1.3 论文主要工作及内容安排 | 第14-15页 |
| 第2章 PDF文档格式 | 第15-29页 |
| 2.1 PDF对象 | 第15-17页 |
| 2.1.1 PDF对象的基本类型 | 第15-16页 |
| 2.1.2 对象分类 | 第16-17页 |
| 2.2 文件(物理)结构 | 第17-20页 |
| 2.2.1 文件头 | 第17-18页 |
| 2.2.2 文件体 | 第18页 |
| 2.2.3 交叉引用表 | 第18-19页 |
| 2.2.4 文件尾 | 第19-20页 |
| 2.3 逻辑结构 | 第20-23页 |
| 2.3.2 页树 | 第21-22页 |
| 2.3.3 页节点 | 第22-23页 |
| 2.4 内容流 | 第23-24页 |
| 2.4.1 Stream流的解/压缩方法 | 第23页 |
| 2.4.2 解压后的内容流 | 第23-24页 |
| 2.5 中文的转码 | 第24-28页 |
| 2.5.1 Cmap | 第24-26页 |
| 2.5.2 字符码转为unicode码 | 第26页 |
| 2.5.3 ToUnicodeCmap的转换 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 PDF文档解析及脱敏处理 | 第29-43页 |
| 3.1 PDF文档内容解析 | 第29-32页 |
| 3.2 基于Stream流的PDF文档解析 | 第32-36页 |
| 3.2.1 PDF文件识别 | 第32页 |
| 3.2.2 分段解压及封装 | 第32-34页 |
| 3.2.3 Stream流信息的分类 | 第34页 |
| 3.2.4 萃取Cmap流 | 第34-35页 |
| 3.2.5 正文及注释的提取 | 第35-36页 |
| 3.3 脱敏操作 | 第36-37页 |
| 3.4 PDF文件脱敏流程及实现 | 第37-42页 |
| 3.4.1 PDF文件整体脱敏流程 | 第37-40页 |
| 3.4.2 主要类和函数功能实现 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 模式匹配算法 | 第43-57页 |
| 4.1 经典单模式匹配算法 | 第43-48页 |
| 4.1.1 相关概念介绍 | 第43页 |
| 4.1.2 BM算法 | 第43-46页 |
| 4.1.3 QS算法 | 第46-48页 |
| 4.2 改进算法 | 第48-56页 |
| 4.2.1 算法思想 | 第48页 |
| 4.2.2 算法预处理及匹配过程 | 第48-49页 |
| 4.2.3 算法实现 | 第49页 |
| 4.2.4 算法实例 | 第49-51页 |
| 4.2.5 测试结果分析 | 第51-56页 |
| 4.3 本章小结 | 第56-57页 |
| 第5章 脱敏系统的框架设计与实现 | 第57-72页 |
| 5.1 HTTP协议 | 第57-60页 |
| 5.1.1 HTTP协议简介 | 第57-58页 |
| 5.1.2 HTTP报文请求格式 | 第58页 |
| 5.1.3 HTTP报文响应消息格式 | 第58-60页 |
| 5.2 总体架构 | 第60-62页 |
| 5.3 基于反向代理的脱敏系统模块的设计与实现 | 第62-67页 |
| 5.3.1 TCP反向代理模块 | 第62-63页 |
| 5.3.2 HTTP协议解析模块 | 第63-65页 |
| 5.3.3 内容解析模块 | 第65页 |
| 5.3.4 敏感词控制模块 | 第65-67页 |
| 5.4 实验结果分析 | 第67-71页 |
| 5.4.1 实验环境搭建 | 第67页 |
| 5.4.2 脱敏效果测试 | 第67-69页 |
| 5.4.3 系统性能分析 | 第69-71页 |
| 5.5 本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士期间发表的论文及科研成果 | 第79页 |
