[发明专利]一种文档的压缩、解压方法和装置

权利要求书

1.一种文档的压缩方法，包括：

提取预先存储的多个文档；

从所述多个文档中查找内容相似的多个目标文档，每个目标文档中具有行号；

根据所述行号对所述多个目标文档进行序列化，获得一个或多个数据块；

其中，所述根据所述行号对所述多个目标文档进行序列化，获得一个或多个数据块的步骤包括：

提取所述多个目标文档中，行号相同的文档数据；

将行号相同的文档数据写入同一个数据块中；

将所述一个或多个数据块进行压缩处理，获得压缩对象。

2.如权利要求1所述的方法，其特征在于，所述从所述多个文档中查找内容相似的多个目标文档的步骤包括：

计算所述多个文档的URL的相似性；

当所述相似性超过预设的相似性阈值时，确认所述多个文档为多个目标文档。

3.如权利要求1或2所述的方法，其特征在于，所述根据所述行号对所述多个目标文档进行序列化，获得一个或多个数据块的步骤还包括：

对所有多个目标文档行号相同的文档数据进行编号。

4.如权利要求1或2所述的方法，其特征在于，所述多个文档以Host逆序的URL为行键，存储在数据库中。

5.一种文档的解压方法，包括：

提取预先压缩的压缩对象，所述压缩对象中具有一个或多个数据块；其中，所述数据块包括多个目标文档中，行号相同的文档数据；

对所述一个或多个数据块进行解压处理；

根据行号对解压处理之后的一个或多个数据块进行反序列化，获得多个目标文档。

6.如权利要求5所述的方法，其特征在于，所述根据行号对解压处理之后的数据块进行反序列化，获得多个目标文档的步骤包括：

读取解压处理之后的一个或多个数据块中的文档数据，所述文档数据具有编号和行号；

按照所述编号计算所述文档数据所属的目标文档；

将所述文档数据按照所述行号写入所述目标文档中。

7.一种文档的压缩装置，包括：

文档提取模块，适于提取预先存储的多个文档；

目标文档查找模块，适于从所述多个文档中查找内容相似的多个目标文档，每个目标文档中具有行号；

序列化模块，适于根据所述行号对所述多个目标文档进行序列化，获得一个或多个数据块；

压缩模块，适于将所述一个或多个数据块进行压缩处理，获得压缩对象；

所述序列化模块还适于：

提取所述多个目标文档中，行号相同的文档数据；

将行号相同的文档数据写入同一个数据块中。

8.如权利要求7所述的装置，其特征在于，所述目标文档查找模块还适于：

计算所述多个文档的URL的相似性；

当所述相似性超过预设的相似性阈值时，确认所述多个文档为多个目标文档。

9.如权利要求7或8所述的装置，其特征在于，所述序列化模块还适于：

对所有多个目标文档行号相同的文档数据进行编号。

10.如权利要求7或8所述的装置，其特征在于，所述多个文档以Host逆序的URL为行键，存储在数据库中。

11.一种文档的解压装置，包括：

压缩对象提取模块，适于提取预先压缩的压缩对象，所述压缩对象中具有一个或多个数据块；其中，所述数据块包括多个目标文档中，行号相同的文档数据；

解压模块，适于对所述一个或多个数据块进行解压处理；

反序列模块，适于根据行号对解压处理之后的一个或多个数据块进行反序列化，获得多个目标文档。

12.如权利要求11所述的装置，其特征在于，所述反序列模块还适于：

读取解压处理之后的一个或多个数据块中的文档数据，所述文档数据具有编号和行号；

按照所述编号计算所述文档数据所属的目标文档；

将所述文档数据按照所述行号写入所述目标文档中。