一种适用于宽字符集文档的压缩方法

摘要

本发明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。

主权项

1、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。