一种微博信息的压缩编码和解码的方法及装置

摘要

本发明实施例公开了微博信息的压缩编码和解码的方法及装置，本发明实施例通过设置中文词典、中文符号表和英文字典对使用UCS-2编码的微博进行压缩再编码，其中压缩编码的方法概括为：识别UCS-2编码文本中各UCS-2编码的字符类型，根据识别的字符类型，依照连续的同类型的字符划分成一段的原则，将所述UCS-2编码文本分成至少一个字符段；根据中文词典和中文符号表，对中文字符段进行压缩再编码；根据英文字典，对英文字符段进行压缩再编码；生成压缩编码微博。根据本发明实施例，可用2个字节表示原来用4个以上字节表示的中文词组和英文单词，节省了微博传输的字符数，提高了传输效率，降低了网络流量，增加了每条微博的可写字数。

主权项

一种微博信息的压缩编码的方法，其特征在于，步骤包括：A.识别UCS‑2编码文本中各UCS‑2编码的字符类型，根据识别的字符类型，依照连续的同类型的字符划分成一段的原则，将所述UCS‑2编码文本分成至少一个字符段；B.对于中文字符段，根据中文词典，对所述中文字符段进行分词操作，生成包含至少一个切分单元的切分中文字符段，根据所述中文词典和中文符号表，将所述切分单元压缩再编码成用2个字节表示，生成压缩编码中文字符段；所述根据所述中文词典和中文符号表，将所述切分单元压缩再编码成用2个字节表示，生成压缩编码中文字符段的过程包括：判断所述切分单元的长度值是否大于1，若是，则所述切分单元为词组，用所述词组在所述中文词典中的序号加0x8000，对所述词组的UCS‑2编码进行编码并替换；若否，判断所述切分单元的值是否在0x4E00至0x9FFF之间；若是，则所述切分单元为汉字，用所述汉字的UCS‑2编码加0x6000，对所述汉字的UCS‑2编码进行编码并替换，若否，则所述切分单元为中文符号，用所述中文符号在中文符号表中的序号加0xAD00，对所述中文符号的UCS‑2编码进行编码并替换；对于英文字符段，根据英文字符间的空格符，将所述英文字符段切分成包含至少一个单词的切分英文字符段，所述空格符为所述单词之一，判断所述单词是否在英文字典中，若是，则根据英文字典，将所述单词压缩再编码成用2个字节表示，若否，则将所述单词的各英文字符压缩再编码成用1个字节表示，生成压缩编码英文字符段；所述判断所述单词是否在英文字典中，若是，则根据英文字典，将所述单词压缩再编码成用2个字节表示，若否，则将所述单词的各英文字符压缩再编码成用1个字节表示，生成压缩编码英文字符段包括：在英文字典中查找所述单词，若能找到所述单词，用所述单词在所述英文字典中的序号，对所述单词的UCS‑2编码进行编码并替换；若不能找到所述单词，用与所述单词的UCS‑2编码对应的ASCII码，对所述单词的UCS‑2编码进行编码并替换；C.根据步骤B生成的每个压缩编码字符段在微博中的顺序，生成压缩编码微博。