[發明專利]文件壓縮、解壓縮方法、裝置及壓縮文件搜索方法、裝置

有效

• 申請號: 200910076795.3
• 申請日: 2009-01-21
• 公開（公告）號: CN101783788A
• 公開（公告）日: 2010-07-21
• 發明（設計）人: 范昂
• 申請（專利權）人: 聯想（北京）有限公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04L29/08
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜

1.一種文件壓縮裝置，其特征在于，包括：

第一保存模塊，用于保存一編碼表，所述編碼表記錄了標準字串與編碼標 識之間的對應關系，每個所述標準字串具有唯一的所述編碼標識；所述編碼表 中，對應于每一個所述標準字串設置有搜索字段，所述搜索字段用于記錄文件 標識，所述搜索字段中記錄的文件標識所指示的文件包括所述搜索字段對應的 所述標準字串；

第一獲取模塊，用于獲取待壓縮文件中的部分或全部文本，形成待編碼文 本；

第一分詞模塊，用于根據所述標準字串對所述待編碼文本進行分詞，將所 述待編碼文本分解成至少一個待編碼字串；

第一編碼模塊，用于根據所述編碼表中記錄的所述標準字串與所述編碼標 識之間的對應關系，利用所述標準字串的所述編碼標識代替對應的所述至少一 個待編碼字串，得到與所述待編碼文本對應的第一編碼序列。

2.根據權利要求1所述的文件壓縮裝置，其特征在于，所述編碼標識以 數字表示，且所述標準字串在組成語料庫的文本文件中出現的頻率越高，用于 表示所述字串的編碼標識的數字越小。

3.根據權利要求2所述的文件壓縮裝置，其特征在于，還包括：

統計模塊，用于對所述組成語料庫的文本文件進行詞頻統計，得到所述標 準字串在所述文本文件中出現的頻率。

4.根據權利要求1或2或3所述的文件壓縮裝置，其特征在于，還包括：

修改模塊，用于將所述待壓縮文件的文件標識添加到每個所述至少一個待 編碼字串對應的所述搜索字段中。

5.根據權利要求1或2或3所述的文件壓縮裝置，其特征在于，還包括：

第二壓縮模塊，用于利用預設數值壓縮編碼算法，分別對所述第一編碼模 塊得到的編碼序列中的與所述至少一個待編碼字串對應的編碼標識進行壓縮 編碼，得到與所述待編碼文本對應的第二編碼序列。

6.一種文件壓縮方法，其特征在于，包括：

獲取待壓縮文件中的部分或全部文本，形成待編碼文本；

根據標準字串對所述待編碼文本進行分詞，將所述待編碼文本分解成至少 一個待編碼字串；

根據預先保存的編碼表中記錄的所述標準字串與編碼標識之間的對應關 系，利用所述標準字串的編碼標識代替對應的所述至少一個待編碼字串，得到 與所述待編碼文本對應的第一編碼序列，每個所述標準字串具有唯一的所述編 碼標識；所述編碼表中，對應于每一個所述標準字串設置有搜索字段，所述搜 索字段用于記錄文件標識，所述搜索字段中記錄的文件標識所指示的文件包括 所述搜索字段對應的所述標準字串。

7.根據權利要求6所述的方法，其特征在于，所述編碼標識以數字表示， 所述標準字串在組成語料庫的文本文件中出現的頻率越高，用于表示所述字串 的編碼標識的數字越小。

8.根據權利要求6或7所述的方法，其特征在于，所述編碼表中，對應 于每一個所述標準字串設置有搜索字段，所述搜索字段用于記錄文件標識，所 述搜索字段中記錄的文件標識所指示的文件包括所述搜索字段對應的所述標 準字串，所述方法還包括：

將所述待壓縮文件的文件標識添加到每個所述至少一個待編碼字串對應 的所述搜索字段中。

9.根據權利要求6或7所述的方法，其特征在于，還包括：

利用預設數值壓縮編碼算法，分別對所述第一編碼序列中的與所述至少一 個待編碼字串對應的編碼標識進行壓縮編碼，得到與所述待編碼文本對應的第 二編碼序列。

10.一種文件解壓縮裝置，其特征在于，包括：

第三獲取模塊，用于獲取第一待解碼序列；

第一解碼模塊，用于根據預先保存的編碼表中記錄的標準字串與編碼標識 的對應關系，利用所述標準字串代替所述第一待解碼序列中對應的編碼標識， 得到與所述第一待解碼序列對應的文本，每個所述標準字串具有唯一的所述編 碼標識；所述編碼表中，對應于每一個所述標準字串設置有搜索字段，所述搜 索字段用于記錄文件標識，所述搜索字段中記錄的文件標識所指示的文件包括 所述搜索字段對應的所述標準字串。