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。

专利类型：发明专利

申请/专利号：CN99110177.4

申请日期：1999-07-02

公开/公告号：CN1279537

公开/公告日：2001-01-10

主分类号：H03M7/30

申请/专利权人:英业达集团(西安)电子技术有限公司

发明/设计人:陈淮琰;郑建锋

主申请人地址:710000陕西省西安市高新技术产业开发区西区F-2B号楼2楼

专利代理机构:上海专利商标事务所

代理人:陈亮

国别省市代码:陕西;61

权利要求：

权利要求书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。