一种适用于宽字符集文档的压缩方法技术

本发明专利技术提供一种适用于宽字符集文档的压缩方法，主要是先对文档的中、英文字符分别进行编码，忽略英文字符中重复的高字元０ｘ００，且利用自订规则，对中文字符重新进行编码，并在每段英文之前及每段中文之前，分别加入不会与文档数据冲突的额外标记，用以区分中、英文字符，以便在后续压缩程序中，依其低字元在前、高字元在后的顺序及出现概率，据以分别进行压缩，本发明专利技术的压缩方法可有效减少中、英文字符在ＨＵＦＦＭＡＮ树图中的节点数量，从而大幅提升文档的压缩率。（*该技术在2019年保护过期，可自由使用*）

【技术实现步骤摘要】

【技术保护点】
一种适用于宽字符集文档的压缩方法，针对宽字符集文档进行压缩，该方法包括下列步骤： （１）首先，统计出宽离符集文档中不同字符的个数； （２）其次，藉所统计出不同中文字符的个数及各该中文字符的出现顺序，依一自订的规则，建立中文字符的码值转换表， 对这些中文字符进行重新编码，以降低其ＨＵＦＦＭＡＮ树图中的节点数量；再利用ＬＺＳＳ运算法在处理重复字元的编码上较佳的处理能力，对英文字符进行重新编码，令在每段英文之前及每段中文之前，分别加入一不会与文档数据冲突的额外标记，用以区分中、英文字符，以便在后续对这些英文字符进行压缩时，不压缩其高字元０ｘ００部份； （３）然后，再依各字符出现的次数及低字元在前、高字元在后的顺序，分别建立二个ＨＵＦＦＭＡＮ树图； （４）最后，根据该ＨＵＦＦＭＡＮ树图分别建立中、英文字符的编码对应表，以使文档的中、英文字符依该编码对应表完成编码及压缩程序。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈淮琰，郑建锋，
申请(专利权)人：无敌科技西安有限公司，
类型：发明
国别省市：87[中国|西安]