【案例】--(非结构化)文件管理案例

一、前言

由于项目需求，会存储大量的非结构化文件，因此对非结构化文件管理是值得思考的问题。结合自身参入项目的方案设计思路，针对“如何管理非结构化文件”，有如下的思考：
(1)、文件上传的方式有哪些？
(2)、完整的文件如何去存储？方便后续的下载、预览等
(3)、文件附属管理信息如何获取？如文件大小、类型、名称、总页数等等
(4)、如何定位到文件具体哪页？如由关键字搜索到属于文件哪一页并且相关数据要输出
(5)、一份文件中有文字、图片、表格等元素信息，如何提取？
(6)、现存在很多类型的文件，哪些类型文件能够解析？

二、问题思考思路

针对上面各个问题，本人基于自身掌握的技术栈提出自己的解决方案。

文件的上传方式？
目前我们常见的文件上传方式：网络url方式下载后存储到本系统服务、前端页面导入方式上传；

完整文件如何存储？
文件存储的目的，是方便进行下载、预览等。因此，这里采用mongodb来存储。当文件小于16MB时，采用BSON方式存储；当文件大于16MB时，采用GridFS。

文件附属管理信息如何获取？
基于用户角度，文件附属信息如文件大小、类型、名称、总页数等等是常见要知道的。对于这些信息，可以借助一些组件来解析文件获取到。
如poi-scratchpad读取PPT、DOC、Visio；poi读取Excel的XLS；poi-ooxml读取Excel的X