[发明专利]文本信息存储和读取方法及其装置

权利要求书

1.一种文本信息存储方法，包括以下步骤：

对待存储的文本信息进行分词处理，得到多个文本单元；

基于所述文本单元在所述文本信息中的出现频率，利用第一字符A、G和T对所述文本单元进行三叉哈夫曼编码，得到所述文本单元的编码表；

基于所述编码表，将所述文本信息转换为由第一字符构成的编码序列，并用第二字符C替换所述编码序列中与前一个字符重复的字符，得到由A、G、T、C四种碱基表示的第一DNA序列；

将所述第一DNA序列切分为多个数据片段，在每个数据片段的前端添加索引片段，在每个数据片段的后端添加纠错片段，得到多个DNA片段；

在每个DNA片段的两端添加用于扩增的正反向引物，得到多个第二DNA序列；

合成所述多个第二DNA序列并储存，

其特征在于，

所述基于所述文本单元在所述文本信息中的出现频率，利用第一字符A、G和T对所述文本单元进行三叉哈夫曼编码，得到所述文本单元的编码表包括：

统计每个文本单元在所述文本信息中的出现频率；

以每个文本单元作为结点，以每个文本单元的出现频率作为该结点的权值，构建三叉哈夫曼树；

将所述三叉哈夫曼树的每条边用所述第一字符表示，得到每个文本单元对应的由所述第一字符的序列表示的哈夫曼编码，

所述以每个文本单元作为结点，以每个文本单元的出现频率作为结点的权值，构建三叉哈夫曼树包括：

步骤一，以所述文本单元的结点分别作为三叉树的根结点，构建三叉树集合，其中所述三叉树集合中的每个三叉树只有一个具有权值的根结点，子树为空；

步骤二，从所述三叉树集合中选择三个根结点权值最小的三叉树构造一个新的三叉树，其中所述新的三叉树的根结点的权值为所述三个根结点权值最小的三叉树的根结点权值的累加值；

步骤三，从所述三叉树集合删除所述三个根结点权值最小的三叉树，并将所述新的三叉树放入所述三叉树集合；

步骤四，重复执行所述步骤二和三，直到所述三叉树集合只含有一个树为止。

2.根据权利要求1所述的文本信息存储方法，其特征在于，如果所述文本单元的结点个数不满足所述三叉哈夫曼树的构建，则添加1个冗余结点，并赋予其权值为0。

3.根据权利要求1所述的文本信息存储方法，其特征在于，所述多个文本单元包括由汉字字符组成的文本单元，和/或由非汉字字符组成的文本单元。

4.根据权利要求1所述的文本信息存储方法，其特征在于，所述对待存储的文本信息进行分词处理包括将待存储的文本信息按照参考词库进行分词。

5.根据权利要求1所述的文本信息存储方法，其特征在于，所述对待存储的文本信息进行分词处理包括对待存储的文本信息进行单字切分。

6.根据权利要求1所述的文本信息存储方法，其特征在于，所述索引片段满足重复碱基不大于2个且GC浓度小于50%。

7.根据权利要求1所述的文本信息存储方法，其特征在于，还包括：将所述索引片段和数据片段转换成二进制数据，计算所述二进制数据的纠错码，并将所述纠错码转换成碱基序列，作为所述纠错片段。

8.根据权利要求7所述的文本信息存储方法，其特征在于，所述纠错码包括RS纠错码或海明纠错码。