[发明专利]用于对基于字符串的文件进行压缩的方法和装置

权利要求书

1.一种对基于字符串的文件进行压缩的方法，包括：

(a)将所述文件切分成一个或多个数据块；

(b)针对所述一个或多个数据块的每个数据块，获得由该数据块中出现次数大于等于阈值的所有初始字符串在该数据块中出现的坐标形成的压缩坐标集合，其中坐标包括行坐标和列坐标；

(c)对所述压缩坐标集合中具有相同的行坐标且列坐标有交集的坐标进行压缩操作，得到经压缩的坐标集合，并用该经压缩的坐标集合中的所有坐标替换所述压缩坐标集合中受到压缩操作的所有坐标；

(d)迭代进行步骤(c)，直到所述压缩坐标集合中的坐标不能再进行压缩操作为止；

(e)获得与所述压缩坐标集合中的各个坐标一一对应的字符串的集合，将在该集合中出现次数大于等于所述阈值的字符串录入压缩字典；

(f)根据所述压缩字典对所述数据块进行压缩，形成压缩包；

(g)将与所述一个或多个数据块对应的各个压缩包拼装成压缩文件；

其中，将所述压缩字典中的字符串长度乘以这个字符串在数据块中出现的次数，获得所述字符串的压缩值；

将所述压缩字典中的字符串按照所述压缩值从大到小排序，并对字符串进行编号；

删除所属压缩字典中字符串字节长度小于所对应编号名称字节长度的字符串；

如果不存在字符串字节长度小于所对应编号名称字节长度的情形，用字符串的编号替换数据块中的字符串，形成压缩后的文件；

将所述压缩字典和压缩后的文件进行组装，形成所述压缩包。

2.如权利要求1所述的方法，其中，所述阈值等于

3.如权利要求1所述的方法，其中，所述阈值是预定数值。

4.如权利要求1所述的方法，其中，所述初始字符串是字符数大于等于2的字符串。

5.如权利要求1所述的方法，其特征在于，所述文件包括数据库文件，所述方法还包括根据所述数据库文件中的数据表的分类对所述数据库文件进行切分。

6.如权利要求1所述的方法，其中，所述对数据块进行压缩还包括：对所述压缩字典中的字符串进行编号，并在所述数据块中用该编号来替代与该编号相对应的字符串。

7.如权利要求6所述的方法，所述压缩操作还包括从所述压缩字典中删除字符串字节长度小于所对应的编号的字节长度的字符串。

8.一种对基于字符串的文件进行压缩的装置，包括：

分解模块，被配置为将所述文件切分成一个或多个数据块；

压缩坐标集合获得模块，被配置为针对所述一个或多个数据块的每个数据块，获得由该数据块中出现次数大于等于阈值的所有初始字符串在该数据块中出现的坐标形成的压缩坐标集合，其中坐标包括行坐标和列坐标；

迭代模块，被配置为执行以下压缩替换操作：对所述压缩坐标集合中具有相同的行坐标且列坐标有交集的坐标进行压缩操作，得到经压缩的坐标集合，并用该经压缩的坐标集合中的所有坐标替换所述压缩坐标集合中受到压缩操作的所有坐标；所述迭代模块还被配置为迭代地执行所述压缩替换操作，直到所述压缩坐标集合中的坐标不能再进行压缩操作为止；

压缩字典获得模块，被配置为获得与所述压缩坐标集合中的各个坐标一一对应的字符串的集合，将在该集合中出现次数大于等于所述阈值的字符串录入压缩字典；

压缩模块，被配置为根据所述压缩字典对所述数据块进行压缩，形成压缩包；以及

组装模块，被配置为将与所述一个或多个数据块对应的各个压缩包拼装成压缩文件；

其中，将所述压缩字典中的字符串长度乘以这个字符串在数据块中出现的次数，获得所述字符串的压缩值；

将所述压缩字典中的字符串按照所述压缩值从大到小排序，并对字符串进行编号；

删除所属压缩字典中字符串字节长度小于所对应编号名称字节长度的字符串；

如果不存在字符串字节长度小于所对应编号名称字节长度的情形，

用字符串的编号替换数据块中的字符串，形成压缩后的文件；

将所述压缩字典和压缩后的文件进行组装，形成所述压缩包。