基于打印指令的打印數(shù)據(jù)文本信息的提取和追加.pdf

1、隨著互聯(lián)網(wǎng)的普及，大數(shù)據(jù)概念應(yīng)運(yùn)而生，與此同時(shí)各種數(shù)據(jù)采集方式也相繼出現(xiàn)。除去平時(shí)常見(jiàn)的網(wǎng)頁(yè)爬蟲、網(wǎng)卡過(guò)濾等數(shù)據(jù)采集方法之外，打印機(jī)數(shù)據(jù)采集的需求也越來(lái)越多。毫無(wú)疑問(wèn)，數(shù)據(jù)采集是大數(shù)據(jù)分析的基礎(chǔ)工作。
　　最早的數(shù)據(jù)采集出現(xiàn)在工業(yè)時(shí)代的自動(dòng)控制和環(huán)境監(jiān)測(cè)領(lǐng)域，后來(lái)發(fā)展到電子證據(jù)領(lǐng)域，而如今數(shù)據(jù)采集作為大數(shù)據(jù)分析的基礎(chǔ)性工作，在互聯(lián)網(wǎng)領(lǐng)域中的地位舉足輕重?；ヂ?lián)網(wǎng)中的數(shù)據(jù)有多種來(lái)源，包括客戶機(jī)使用記錄、系統(tǒng)日志、網(wǎng)絡(luò)流量監(jiān)控、郵件信息

2、、硬盤文件、瀏覽器緩存數(shù)據(jù)、聊天記錄等。
　　打印機(jī)數(shù)據(jù)采集的需求出現(xiàn)較晚，它是隨著互聯(lián)網(wǎng)支付的出現(xiàn)而出現(xiàn)的，特別是在O2O概念普及之后，很多實(shí)體店都開(kāi)始嘗試使用線上支付的經(jīng)營(yíng)策略。尤其是對(duì)于那些先消費(fèi)后支付的商店而言，獲取客戶的已消費(fèi)信息就非常重要。如果要對(duì)目前存在的客戶管理系統(tǒng)增加支付功能就只能從賬單打印這一環(huán)節(jié)入手，因?yàn)楦鞣N管理系統(tǒng)的實(shí)現(xiàn)千差萬(wàn)別，消費(fèi)信息獲取太過(guò)復(fù)雜，所以要獲取客戶消費(fèi)信息只能從分析待打印的客戶賬單（打印緩

3、沖文件）中得到，原因在于相比于各種管理系統(tǒng)的種類數(shù)量而言，打印機(jī)的種類數(shù)量要少的多。因此從軟件通用的角度來(lái)講，消費(fèi)信息的采集可以從打印機(jī)入手，而對(duì)各種打印指令翻譯也就變得越來(lái)越迫切。
　　本文從Windows操作系統(tǒng)的打印機(jī)制入手，分別以Windows標(biāo)準(zhǔn)假脫機(jī)文件(EMF)和與打印機(jī)相關(guān)的假脫機(jī)文件（以Postscript打印指令為例）為研究對(duì)象，在現(xiàn)有指令解析相關(guān)研究的基礎(chǔ)上，提出了基于DRAW16的EMF文件解析算法，以及將