[发明专利]数据存储方法及相关装置

说明书

本申请公开了数据存储方法及相关装置，可应用于数据存储领域以及金融领域。本发明可以通过获得待存储的文档数据；将所述文档数据转化为第一长度的json数据；从所述json数据中提取关键数据存储至xml文件中，并计算各所述关键数据的哈希值以标识至所述xml文件的对应位置。由此可以看出，本发明可以提取关键数据存储至xml文件，无需存储所有数据，存储效率较高，并且，本发明基于哈希值标识不同数据的存储位置，查询效率较高。

技术领域

本发明涉及数据存储领域，特别涉及一种数据存储方法及相关装置。

背景技术

文档数据具备多种存储方式，例如常规数据库、xml、文本和nosql数据库等。目前针对文档数据一般采用集中存储方案，这种方案存储效率比较低并且在文档内容定位时体验不佳，不能快速查询目标内容。

发明内容

鉴于上述问题，本发明提供一种克服上述问题或者至少部分地解决上述问题的一种数据存储方法及相关装置。

第一方面，一种数据存储方法，包括：

获得待存储的文档数据；

将所述文档数据转化为第一长度的json数据；

从所述json数据中提取关键数据存储至xml文件中，并计算各所述关键数据的哈希值以标识至所述xml文件的对应位置。

结合第一方面，在某些可选的实施方式中，所述将所述文档数据转化为第一长度的json数据，包括：

若所述文档数据是结构化文档，则根据所述结构化文档的结构顺序，将所述结构化文档的各字段依次提取并进行拼接后存储至第一长度的json文件中。

结合第一方面，在某些可选的实施方式中，所述将所述文档数据转化为第一长度的json数据，包括：

若所述文档数据是非结构化文档，则根据所述非结构化文档中的各字符的顺序，将所述非结构化文档的各字符依次提取并进行拼接后存储至第一长度的json文件中。

结合第一方面，在某些可选的实施方式中，所述从所述json数据中提取关键数据存储至xml文件中，并计算各所述关键数据的哈希值以标识至所述xml文件的对应位置，包括：

对所述json数据中的内容进行分词，得到多个词语；

将各所述词语两两进行组合，得到多组词语；

针对各所述词语，两两配对进行语义计算，得到对应的语义相似度；

针对任一组所述词语，若对应的所述语义相似度大于预设相似度阈值，则统计所述词语的使用频率；

针对所述使用频率最高的词语，生成相应的哈希值；

将各所述词语按照在所述json数据中的顺序，依次存储至所述xml文件的各存储单元中，并为各所述存储单元分别标识所述哈希值。

结合上一个实施方式，在某些可选的实施方式中，在所述针对任一组所述词语，若对应的所述语义相似度大于预设相似度阈值，则统计所述词语的使用频率之后，所述方法还包括：

针对除了所述使用频率最高的词语之外的其他词语，将所述其他词语添加至对应的相似问字段中；

针对任一所述存储单元，将对应的所述相似问字段与所述存储单元关联。

结合第一方面，在某些可选的实施方式中，在从所述json数据中提取关键数据存储至xml文件中，并计算各所述关键数据的哈希值以标识至所述xml文件的对应位置之后，所述方法还包括：

若所述json数据对应存储在至少2份所述xml文件中，则在所述xml文件的底部标识下一份xml文件的位置。