一种XML数据节点编码压缩方法

摘要

本发明公开了一种XML数据节点编码压缩方法，所述方法包括：将XML数据生成XML文档树；对XML文档树中的每个节点进行编码；对节点编码进行压缩存储；本发明是一种无损的压缩方法，具有简单易用的特点，编码及其编码压缩规则简单，便于理解和编程实现，能够快速解压，利于编码操作；在压缩时依然保持了编码的结构信息，因此无需解压便可直接比较比特串来判断节点间的特定结构关系，并且采用分段压缩，编码的各个整数互不影响，在进行解压操作时，不需全部解压比特串，可按所需顺序分段解压，提高了编码操作的性能。

说明书

技术领域

本发明涉及数据库领域，尤其涉及一种简单易用的XML数据节 点编码压缩方法。

背景技术

随着XML逐渐成为广泛应用的数据表现形式，如何对XML数 据进行高效的管理也成为一个重要的问题。对于需要大量管理XML 数据的数据库管理系统来说，为了有效支持XML查询，特别是结构 查询，研究者已经提出了XML数据节点的各种编码方案。所谓XML 编码指的是使用特定的编码策略对XML文档树中的元素、属性和其 他语义实体赋予一个唯一的编码。对XML数据进行有效编码，可以 迅速确定XML文档树中任意节点间的结构关系，例如：父子关系、 祖先关系及文档顺序等，不需遍历XML文档树，从而提高了结构查 询的效率。

对现有的技术文献检索发现，XML数据的主要编码方案包括 Dewey编码等。Dewey编码方法把XML数据看作树模型，树中节点 根据Dewey编码标注，每个节点赋予Dewey标签作为唯一的ID。例 如，设树T的一个节点的Dewey编码为c（u），则节点u的孩子节 点v的Dewey编码c（v）=c（u）.n，这里n记录的是节点v在u中 所有孩子节点中的序号，利用符号“.”将c(u)与n进行连接。编码 时，从根节点开始为每个节点编排Dewey标签，如DeweyID为0.2.3 的节点是节点0.2的第4个子节点，即Dewey编码直接将父节点的 编码作为子节点的前缀。该编码方式能反映节点间的兄弟及继承关 系，有效地支持了结构关系计算。但动态更新XML数据后需要重新 编码，且编码没有采用压缩方式存储，造成了存储空间浪费。

Patrick O’Neil在论文“ORDPATHs:Insert-Firendly XML Node  Labels”中提出的ORDPATH编码是一种扩展的Dewey编码。逻辑涵 义上，ORDPATH的每个节点对应编码的一部分，如节点编码为1的 三个子节点分别编码为1.1、1.3与1.5，以此类推。实际表示时，它 采用二进制的形式对编码进行了压缩，其结构由Li/Oi比特串构成， 且一个Li/Oi对应于ORDPATH编码中的一部分，Li表示紧跟其后的 Oi的比特数，使用前缀编码方式表示，Oi存储的是相对该比特数所 在区间开始值的差值。ORDPATH编码也是一种前缀编码，可通过比 较前缀反映节点的兄弟、继承关系，且其采用压缩方法存储，具有较 高的压缩比，但相应的压缩规则复杂，因此存在解压缩过程复杂的缺 点，不利于在大规模XML数据的结构查询中进行快速的节点编码操 作。

发明内容

为解决上述技术中存在的问题与缺陷，本发明提供了一种XML 数据节点编码压缩方法。所述技术方案如下：

一种XML数据节点编码压缩方法，包括：

将XML数据生成XML文档树；

对XML文档树中的每个节点进行编码；

对节点编码进行压缩存储。

本发明提供的技术方案的有益效果是：

是一种无损的压缩方法，具有简单易用的特点，编码及其编码压 缩规则简单，便于理解和编程实现，能够快速解压，利于编码操作。

在压缩时依然保持了编码的结构信息，因此无需解压便可直接比 较比特串来判断节点间的特定结构关系，并且采用分段压缩，编码的 各个整数互不影响，在进行解压操作时，不需全部解压比特串，可按 所需顺序分段解压，提高了编码操作的性能。

附图说明

图1是XML数据节点编码压缩方法流程图；

图2是XML文档树结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图 对本发明实施方式作进一步地详细描述：

如图1所示，提供了XML数据节点编码压缩方法流程，包括：

步骤10将XML数据生成XML文档树；

在生成上述文档树的过程中不区分元素节点、属性节点和文本节 点。为形象说明该过程，例如下面的XML文档：

对其构件的XML文档树结构如图2所示。

步骤20对XML文档树中的每个节点进行编码；

进行编码前首先对文档树的每个节点分配一个整数，分配方法如 下：

（1）如果节点为根节点则分配整数1。

（2）如果节点不是叶子节点则为其子节点自左到右分配整数1、 3、5…，初始时分配的是正奇数，偶数保留。

按照上述方法遍历一遍文档树即可完成节点整数的分配并连接， 然后对每个节点进行编码，编码规则为从根节点到某节点的路径上的 所有整数以符号“.”进行连接作为该节点的编码；即若节点不为根 节点，则节点编码由其父节点编码与代表该节点在父节点的所有子节 点中的位置的整数以“.”进行连接构成；若节点为根节点则编码直 接为其分配整数。如图2所示节点BOOK为根节点则其编码为“1”， 节点ISBN是根节点的第一个子节点则其编码为1.1。

步骤30对节点编码进行压缩存储。

存储方式采用二进制比特串的形式，如若直接存储编码中的整 数，会存在很多冗余的比特位，造成物理存储空间浪费，因而采用压 缩方式存储，存储时按编码中整数的先后顺序分段压缩为二进制串， 但忽略连接符号“.”不存储。编码的二进制存储形式为：L0B0L1B1…， 其中一对LB表示一个整数，L表示紧跟其后的比特串的位数，L的设 定为形如比特串“(1)ⁿ0”表示紧跟其后的整数B的位数为n+7，n表示 比特1的个数，B表示编码中整数的二进制串，之所以加7是因为实 际应用中编码后的整数的位数大多为8位，利于数据编码在内存中按 字节对齐。L的各种比特串以及其表示的B的位数和范围如表1所示：

表1

比特串L B的位数 B的范围 0 7 [1,127] 10 8 [128,255] 110 9 [256，511] 1110 10 [512，1023] 11110 11 [1024，2047] 111110 12 [2048，4095] ... ... ...

例如，图2中的节点CAPTION的编码为“1.3.5.1”，整数1、3、5 的范围都在[1,127]范围内，则L的比特串为0，紧跟其后的整数的比特 串B为7位，则编码“1.3.5.1”的二进制串为：“0000000100000011 0000010100000001”。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在 本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均 应包含在本发明的保护范围之内。