多模態(tài)文件內(nèi)容檢索程序設(shè)計(jì)與實(shí)現(xiàn)

摘要：論文介紹了一個(gè)基于Python及多個(gè)第三方庫實(shí)現(xiàn)的多模態(tài)文件內(nèi)容檢索程序。該程序能夠識別并解析文本、圖片、PDF、Word、PPT等多種類型的文件，從而實(shí)現(xiàn)關(guān)鍵詞匹配檢索，大大提升了檢索的性能和準(zhǔn)確性。論文詳細(xì)闡述了程序的設(shè)計(jì)思路和實(shí)現(xiàn)過程，并通過有效測試驗(yàn)證了程序的可靠性。該研究為多模態(tài)文件內(nèi)容檢索領(lǐng)域提供了有益參考。

關(guān)鍵詞：多模態(tài)；內(nèi)容檢索；文件解析；程序設(shè)計(jì)與開發(fā)

中圖分類號：TP311.52 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2024）23-0075-03

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）

0 引言

隨著數(shù)字化時(shí)代的發(fā)展，每個(gè)人電腦中存儲的不同模態(tài)數(shù)據(jù)呈爆炸式增長。如何從海量文件中快速準(zhǔn)確地檢索出所需信息，成為一項(xiàng)挑戰(zhàn)。傳統(tǒng)的文件檢索工具主要依賴文件名和元數(shù)據(jù)[1]，對文件內(nèi)容無能為力，存在較大局限性。因此，亟須一種能夠深入文件內(nèi)容實(shí)現(xiàn)精準(zhǔn)跨模態(tài)[2]檢索的新方法。

本論文設(shè)計(jì)并實(shí)現(xiàn)了一種新穎的多模態(tài)文件內(nèi)容檢索程序，它能夠跨文本、圖像等模態(tài)[3]對文件內(nèi)容進(jìn)行深度分析和檢索，極大提升了檢索效率和準(zhǔn)確性，彌補(bǔ)了現(xiàn)有檢索工具的不足，具有重要的實(shí)踐價(jià)值。

1 關(guān)鍵技術(shù)

在構(gòu)建多模態(tài)文件內(nèi)容檢索程序時(shí)，本論文選擇了Python 3.10.9作為開發(fā)語言。在實(shí)現(xiàn)邏輯上，程序首先需要將用戶上傳的文件進(jìn)行類型識別，然后根據(jù)不同的文件類型調(diào)用相應(yīng)的處理庫進(jìn)行內(nèi)容提取。對于提取出的內(nèi)容，程序會進(jìn)行統(tǒng)一的格式化和處理，以便下一步的內(nèi)容檢索。

為了確保程序的圖形用戶界面的直觀性和用戶友好性，本論文采用了Python的標(biāo)準(zhǔn)GUI工具包接口Tkinter，其備有豐富的控件和布局管理器。

在處理多模態(tài)文件數(shù)據(jù)時(shí)，程序依賴于一系列外部庫來提取不同格式文件中的內(nèi)容信息。這些庫為程序提供了強(qiáng)大的技術(shù)支持，使程序能夠更高效地解析各種模態(tài)類型的文件內(nèi)容數(shù)據(jù)。

在處理圖像文件時(shí)，程序引入pytesseract庫，這是一個(gè)基于Tesseract OCR[4]引擎的Python工具，用于從圖像中提取文本。本程序利用該庫對圖像文件進(jìn)行解析，獲取其中的文本信息用于后續(xù)檢索。

在處理PDF文件時(shí)，程序引入pdfminer.six庫，這是一個(gè)專為提取復(fù)雜結(jié)構(gòu)的PDF文檔信息而設(shè)計(jì)的Python庫，用于從PDF文件中提取文本、圖像和元數(shù)據(jù)。本程序利用該庫對PDF文檔進(jìn)行文本抽取，獲取其中可解析的文本信息用于后續(xù)檢索。

在處理Word文件時(shí)，程序引入python-docx庫和python-doc庫，它們是用于讀取和操作Microsoft Word文件的Python庫，python-docx針對擴(kuò)展名為docx的文件，python-doc則針對doc文件。本程序利用這兩個(gè)庫對Word文件進(jìn)行信息提取，獲取其中文本信息便于后續(xù)關(guān)鍵詞內(nèi)容檢索。

在處理PPT演示文檔文件時(shí)，程序引入python-pptx庫，這是一個(gè)用于讀取和操作Microsoft PowerPoint演示文稿的Python庫，用于解析PPT文件內(nèi)部結(jié)構(gòu)，讀取每頁幻燈片的文本、圖片、圖表數(shù)據(jù)內(nèi)容。本程序利用該庫對PPT文件進(jìn)行解析，在獲取PPT的文本框、圖片、圖表結(jié)構(gòu)后，進(jìn)一步分類處理進(jìn)行文本提取，用于后續(xù)檢索。

2 程序設(shè)計(jì)

本程序是基于Python語言開發(fā)的一種脫機(jī)程序，采用模塊化架構(gòu)，可單獨(dú)運(yùn)行于Windows本地環(huán)境，主要用于多模態(tài)文件的內(nèi)容檢索。程序遵循高內(nèi)聚低耦合[5]的設(shè)計(jì)思想，分為界面層和業(yè)務(wù)邏輯層。其中，界面層以客戶端形式呈現(xiàn)窗口頁面，包括文件路徑選擇、關(guān)鍵詞輸入和檢索結(jié)果展示等功能，用于用戶交互操作。業(yè)務(wù)邏輯層則區(qū)分為總控程序、不同類型文件解析程序和公共方法程序。程序的模塊化結(jié)構(gòu)如圖1所示。

該程序的執(zhí)行流程如下：

1） 雙擊search.exe啟動程序；

2） 在窗口頁面，用戶從本地文件系統(tǒng)中指定待檢索的目錄或文件夾；

3） 用戶輸入查詢關(guān)鍵詞；

4） 點(diǎn)擊查詢按鈕；

5） 程序遍歷用戶選定路徑及其所有子路徑；

6） 程序根據(jù)文件的類型執(zhí)行相應(yīng)的內(nèi)容解析方法；

7） 程序?qū)⒂脩糨斎氲年P(guān)鍵詞與解析出的文件內(nèi)容進(jìn)行匹配；

8） 程序?qū)⑵ヅ浣Y(jié)果以表格形式展示在結(jié)果欄。

3 實(shí)現(xiàn)與測試

3.1 代碼實(shí)現(xiàn)

按照程序設(shè)計(jì)的模塊結(jié)構(gòu)圖，程序的主要代碼分為四大部分：main.py（主程序入口）、GUI.py（圖形用戶界面）、fileSearch.py（文件內(nèi)容檢索邏輯）和tool.py（公共方法）。這種模塊化設(shè)計(jì)使得每個(gè)模塊的職責(zé)更加單一和清晰，降低了模塊間的耦合度，同時(shí)也利于后續(xù)程序的擴(kuò)展和維護(hù)。

main.py是整個(gè)程序的入口點(diǎn)，負(fù)責(zé)初始化必要的資源，加載其他模塊，并控制程序的執(zhí)行流程。這個(gè)文件定義了程序的主函數(shù)，該函數(shù)主要負(fù)責(zé)啟動圖形用戶界面、處理用戶輸入、調(diào)用文件檢索邏輯等。

GUI.py負(fù)責(zé)構(gòu)建和管理用戶與程序之間的交互界面，使用圖形化元素，如按鈕、輸入框、表格等來呈現(xiàn)程序的功能和結(jié)果。GUI.py繪制了直觀的三行欄布局的用戶界面，自上而下分為文件路徑選擇框、關(guān)鍵詞輸入框和結(jié)果展示區(qū)。同時(shí)，GUI.py也定義了事件處理邏輯，當(dāng)用戶與界面進(jìn)行交互時(shí)，如點(diǎn)擊按鈕、輸入關(guān)鍵詞等，GUI.py會捕獲這些事件，并將相應(yīng)的數(shù)據(jù)由command變量傳遞給其他模塊文件進(jìn)行處理。

fileSearch.py是程序的核心處理代碼，用于接收來自搜索按鈕的檢索請求，負(fù)責(zé)對用戶選定路徑和子目錄下的所有文件夾和文件進(jìn)行遍歷，通過判斷文件類型，調(diào)用不同方法解析文件內(nèi)容，并使用文本匹配算法定位關(guān)鍵詞位置，最后將檢索結(jié)果傳回窗口，展示在結(jié)果欄。

主方法search（）代碼示例如圖2所示，首先定義了一個(gè)matching_results列表用于存儲匹配的結(jié)果數(shù)據(jù)，通過os.walk（）方法遍歷界面層獲取到的檢索路徑下的文件夾，并根據(jù)文件類型分別進(jìn)行解析和匹配處理，并將最終結(jié)果存儲在matching_results列表中。對于可能出現(xiàn)的文件類型無法識別、解析結(jié)果出錯等異常，search（）方法也進(jìn)行了捕獲，確保程序出錯前已匹配的結(jié)果可以正常返回。

針對search（）方法中根據(jù)文件類型調(diào)用的具體方法，以圖片內(nèi)容解析搜索的ocr_search_images（）方法為例，如圖3所示。首先，通過對pytesseract庫的tesseract_cmd變量進(jìn)行賦值，指定本地安裝的Tesseract OCR工具路徑，該路徑位于F盤下的絕對路徑，以便后續(xù)正確調(diào)用OCR工具。然后，通過調(diào)用pytesseract庫下的image_to_string方法解析圖片內(nèi)容，其中l(wèi)ang=chi_sim+eng參數(shù)允許圖像文字識別簡體中文和英文。最后，通過search_keywords_position（）公共方法進(jìn)行文本內(nèi)容和關(guān)鍵詞的匹配，并返回結(jié)果remarks。

tool.py包含了一系列公共方法和工具函數(shù)，用于輔助文件內(nèi)容檢索。這些方法可以在多個(gè)模塊中重復(fù)使用，降低了代碼的冗余度，同時(shí)提高了代碼的可維護(hù)性和可重用性。search_keywords_position（）就位于tool.py中，主要用于關(guān)鍵詞和文本內(nèi)容的匹配，確定具體位置，并返回關(guān)鍵詞周邊指定數(shù)量的文本，代碼如圖4所示。該方法使用re.finditer查找所有匹配關(guān)鍵詞的位置，同時(shí)使用re.escape（）方法來確保用戶輸入的關(guān)鍵詞中的任何特殊字符都被正確轉(zhuǎn)義，m.span（）返回每個(gè)匹配項(xiàng)的起始和結(jié)束位置。接著，遍歷所有匹配關(guān)鍵詞的位置，將關(guān)鍵詞前后contentlength長度的字符也展示出來，便于用戶聯(lián)系上下文，確定搜索結(jié)果的準(zhǔn)確性。

3.2 程序測試

為檢測多模態(tài)文件內(nèi)容檢索程序的有效性和實(shí)用性，在Windows系統(tǒng)的D盤目錄下創(chuàng)建了一個(gè)名為test的文件夾，用于存放測試所需的文件。該文件夾中包含了Word文檔（.docx） 、圖片（.jpg、.png等）、PDF文件（.pdf） 和PPT演示文稿（.pptx） 等多種模態(tài)類型的文件。這些文件的文件名或內(nèi)容被刻意設(shè)計(jì)以包含關(guān)鍵詞“多”、拼音“duo”、同音字“朵”、形近字“侈”或不包含這些關(guān)鍵詞，并且在test文件夾下創(chuàng)建了多層子目錄，同時(shí)也設(shè)計(jì)了空文件夾、空文檔等特殊場景，以便全面測試程序的多模態(tài)搜索功能。

接下來，雙擊search.exe文件啟動程序，點(diǎn)擊窗口“選擇路徑”按鈕，選定D：/test作為搜索目錄，然后在關(guān)鍵詞輸入框中依次輸入“多”“duo”“朵”“侈”，點(diǎn)擊搜索。程序開始遍歷D：/test下所有文件，根據(jù)文件類型的不同，調(diào)用相應(yīng)方法進(jìn)行解析。一旦找到匹配的文件和內(nèi)容，程序會將搜索結(jié)果存儲在matching_results字典列表中。這個(gè)列表包含了每個(gè)匹配文件的相關(guān)信息，如文件類型、文件路徑以及匹配內(nèi)容的具體位置或附近字符。程序?qū)⑦@個(gè)列表結(jié)果展示在結(jié)果區(qū)。對于文本文件，程序會顯示包含關(guān)鍵詞“多”的完整句子或附近各5個(gè)字符的內(nèi)容，以便用戶了解關(guān)鍵詞出現(xiàn)的上下文；對于PPT文件，程序會顯示關(guān)鍵詞出現(xiàn)的幻燈片頁數(shù)。測試結(jié)果如圖5所示，包含“多”關(guān)鍵詞的文件結(jié)果見圖5（a），包含“侈”關(guān)鍵詞的文件結(jié)果見圖5（d）；同時(shí)，ppttest.pptx文件被設(shè)計(jì)為第一頁幻燈片包含“duo”關(guān)鍵詞，第二頁包含“朵”關(guān)鍵詞，檢索結(jié)果如圖5（b）、圖5（c）所示，檢索結(jié)果正確。

4 總結(jié)

本論文實(shí)現(xiàn)了一種能夠?qū)ξ谋?、圖像等多種模態(tài)文件內(nèi)容進(jìn)行解析檢索的程序，極大地提升了用戶在不同文件類型中搜索關(guān)鍵信息的效率和準(zhǔn)確性。

該程序打破了傳統(tǒng)單一模態(tài)檢索的局限，融合了OCR、PDF解析等多種文檔處理技術(shù)。這種程序設(shè)計(jì)理念為多模態(tài)文件內(nèi)容檢索領(lǐng)域帶來了技術(shù)上的突破。同時(shí)，隨著內(nèi)容解析算法和技術(shù)的逐漸成熟，該程序未來可支持更多視頻和3D模型等文件類型，推動多模態(tài)文件內(nèi)容檢索技術(shù)的持續(xù)發(fā)展和創(chuàng)新。

參考文獻(xiàn)：

[1] 周志成，柳綱，楊宇峰，等.企業(yè)在線文檔管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].華北理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，42（2）：133-140.

[2] 高迪輝，盛立杰，許小冬，等.圖文跨模態(tài)檢索的聯(lián)合特征方法[J/OL].西安電子科技大學(xué)學(xué)報(bào)，1-11.[2024-04-22].https：//doi.org/10.19665/j.issn1001-2400.20240302.

[3] 何俊，張彩慶，李小珍，等.面向深度學(xué)習(xí)的多模態(tài)融合技術(shù)研究綜述[J].計(jì)算機(jī)工程，2020，46（5）：1-11.

[4] 張婷婷，馬明棟，王得玉.OCR文字識別技術(shù)的研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2020，30（4）：85-88.

[5] 程春蕊，劉萬軍.高內(nèi)聚低耦合軟件架構(gòu)的構(gòu)建[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2009，18（7）：19-22.

【通聯(lián)編輯：謝媛媛】