在文件数据挖掘处理技术中,如何从文本数据中抽取有价值的信息和知识是一个重要的数据挖据分支,是机器学习、自然语言处理、数理统计的基础技术之一,是信息检索,机器学习,AI智能等高端技术的的底层技术支持之一。
Graccvs组件智能分析提取其他各种文件中文本,为自然语言信息检索,机器学习等高端技术提供底层支持的技术组件,是Lucene/CLucene, Elasticsearch, Sphinx等全文检索工具,OA, ERP, CRM,网盘,文件管理等其他系统提供文件摘要及搜索前置服务。同时也可以为安全网关,邮件内容监控,内网安全等系统提供文件搜索及监控服务底层技术支持。
组件支持常见各种文件格式”.pdf", ".doc", ".odt", ".docx", ".dotm", ".docm", ".wps", ".xls", ".xlsx", ".xlsm", ".xltm", ".et", ".ppt", ".pptx", ".potm", ".pptm", ".ppsm", ".dps", ".ofd"(电子发票版式文件), ".rtf",".html", ".htm", ".mht", ".mhtml", ".eml", ".emmx", "xmind", "gmind", ".chm", ".zip" 等。
Graccvs组件是以xcframework格式提供的,点击这里下载。 同时网站提供XCode工程示例说明, 点击这里查看说明。
以下简单的调用过程:
1:创建工程。
2:工程导入Graccvs.xcframework(把文件夹拖拽到工程中即可)。
3: 主单元(示例中为:ViewController.h)增加头文件和定义GraccvsGraccvsLib类,如下:
#import <Graccvs/Graccvs.h>
@property (strong, nonatomic) GraccvsGraccvsLib *hx;
4:调用初始化函数Load设置动态链接库需要的临时文件夹。
5:调用Auth注册,免费版本设置为空。
6:调用文件函数ToTextFile、HttpToString等提取N个不同文件的正文,或者使用异步函数批量处理文件。
7:完成文件提取任务后调用 Unload函数,释放资源组件使用的资源。
主要代码单元函数定义 ViewController.h:
// ViewController.h
// libTest
//
// Created by graccvs on 2021/10/31.
#import <UIKit/UIKit.h>
#import <Hello/Hello.h>
#import <Graccvs/Graccvs.h>
@interface ViewController : UIViewController
@property (strong, nonatom