[发明专利]一种XML数据节点编码压缩方法

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。