1.一种依托云字典基于字节的无损压缩方法,其特征在于,所述无损压缩方法包括如下步骤:
S1:建立云字典;
S2:用户提交源文件并定义最终压缩文件名称;
S3:联网获取当前云字典,计算出压缩文件或过程文件的头部字段,
S4:对源文件以字节为单位进行概率统计,通过Huffman算法,生成压缩编码内容;
S5:以压缩编码内容为索引,在云字典压缩编码内容字段中查找相同数值,获得压缩编码内容对应元组的压缩编码等级和压缩编码编号;
S6:将源文件以压缩编码编号内容中的对应关系进行压缩,将源文件替换成二进制压缩文件,按字节保存,并以二进制“0”补足为整数字节,形成过程文件;
S7:比较压缩文件的长度与上一次过程文件的长度,如生成的压缩文件长度大于等于上一次过程文件,将最后一次过程文件命名为最终压缩文件名称并输出;如压缩文件长度不符合要求,则重复S5和S6,直至压缩率符合要求;
若本次压缩的文件为源文件,则步骤S6包括:获取云字典的版本号、源文件名长度、源文件名、源文件长度分别作为完成第0次压缩的过程文件头部V字段、FNL字段、FN字段、FL字段的值,将VID的值作为完成第0次压缩的过程文件头部CID字段的值,按云字典中压缩编码编号为VID的元组中压缩编码内容段的值VC提供的每字节原始编码和压缩变换后编码的对应关系,将源文件替换成二进制压缩文件,将二进制压缩文件以8位为一组,按字节保存,最后若有不足8位的部分,以二进制“0”补足8位,构成第0次压缩的过程文件的数据部分,第0次压缩的过程文件的头部和数据部分共同构成第0次压缩的过程文件;
若本次压缩的文件为完成了第n次压缩的过程文件,则步骤S6包括:以字节为单位,将每个字节的内容视为一个二进制无符号数,其值在0~255之间,根据本次过程文件中每个字节数值的出现频率,以不同长度的二进制编码置换,按每字节原始编码与压缩变换后编码的对应关系在云字典压缩编码内容字段中找到相同的值VC,获得VC所在元组中压缩编码等级字段的值VL和压缩编码编号的值VID,并将VC所在元组中使用次数字段中的值VN自增1,将云字典的版本号作为完成第n+1次压缩的过程文件头部V字段的值、“0”作为完成第n+1次压缩的过程文件头部FNL字段的值,根据压缩文件头部格式FN字段的规定,将n+1作为完成第n+1次压缩的过程文件头部FN字段的值,根据压缩文件头部格式FL字段的规定,将n次压缩的过程文件长度作为完成第n+1次压缩的过程文件头部FL字段的值,将VID作为完成第n+1次压缩的过程文件头部CID字段的值,按云字典中压缩编码编号为VID的元组中压缩编码内容段的值VC提供的每字节原始编码和压缩变换后编码的对应关系,将本次过程文件替换成二进制压缩文件,将二进制压缩文件以8位为一组,按字节保存,最后若有不足8位的部分,以二进制“0”补足8位,构成第n+1次压缩的过程文件的数据部分,第n+1次压缩的过程文件的头部和数据部分共同构成第n+1次压缩的过程文件。
2.根据权利要求1所述的依托云字典基于字节的无损压缩方法,其特征在于,所述云字典是保存在云端的,用于描述压缩过程中使用的压缩编码及其等级、编号和使用次数的数据库,每个云字典中均包含4个字段:压缩编码等级VL、压缩编码编号VID、压缩编码内容VC和使用次数VN。
3.根据权利要求1所述的依托云字典基于字节的无损压缩方法,其特征在于,所述步骤S1包括以下步骤:
S11:以压缩编码等级、压缩编码编号、压缩编码内容和使用次数4个字段构建云字典数据库的空表;
S12:构建样本数据集,以样本数据集中的样本数据作为待压缩的源文件,通过Huffman算法,以字节为单位进行概率统计,生成压缩编码内容,更新压缩编码内容字段;
S13:对样本数据集中的全部样本数据重复S12步骤,充实云字典的表;
S14:根据使用次数字段对云字典的表进行降序排列,根据压缩文件的压缩编码编号字段和云字典的压缩编码编号字段的对应关系,对云字典的表中压缩编码等级字段的值进行重置,完成云字典初始版本的建立,此后根据使用过程中云字典各元组使用次数字段数值的变化,建立云字典的新版本。
4.根据权利要求3所述的依托云字典基于字节的无损压缩方法,其特征在于,所述步骤S12中更新压缩编码的内容字段包括:若云字典的表中,压缩编码内容字段中没有相同的值,则在表中添加一个新的元组,将生成的压缩编码内容添加到新元组的压缩编码内容字段,按序将压缩编码编号添加到新元组的压缩编码编号字段,若云字典的表中,压缩编码内容字段中有相同的值,则该元组使用次数字段的值自增1。
5.根据权利要求3所述的依托云字典基于字节的无损压缩方法,其特征在于,所述步骤S12包括:将其中使用次数字段数值最大的239个元组的压缩编码等级字段的值置为1,同时将这239个元组的压缩编码编号字段的值根据使用次数降序排列依次置为5个字节的十六进制数“0000000000”~“7FFFFFFFFF”的值,再以此类推,根据使用次数字段降序重置压缩编码等级字段等级为2~79的元组中压缩编码等级字段和压缩编码编号字段的值。
6.根据权利要求1所述的依托云字典基于字节的无损压缩方法,其特征在于,所述步骤S3中压缩文件或过程文件的头部字段包括版本号字段V、文件名长度字段FNL、文件名字段FN、文件长度字段FL、压缩编码编号字段CID;
其中版本号字段用于保存云字典的版本号,每个版本号均对应一个云字典,占1个字节,以无符号二进制数表示,其有效数值范围为1~255,当值为0时,表示错误;
文件名长度字段保存压缩文件头部中源文件名的长度,占1个字节,以无符号二进制数表示,其有效数值范围为0~255,当值为0时,表示FN段中保存的是FN段所占用的字节数和过程文件的十进制编号;当FNL字段中数值为1~255时,表示FN字段中保存的是原始文件名称,此时FNL字段中数值表示FN字段所占用的字节数;
FN字段保存本次压缩前的源文件名或者过程文件名,占1~255个字节,若本次压缩的是源文件,则将源文件名以机内码格式保存在FN字段中;若本次压缩的是过程文件,则FN字段中保存FN字段所占用的字节数和过程文件的十进制编号,若FN字段中首个字节的第1位为“0”,表示FN字段所占用的字节数为1字节,其后7位以无符号二进制数表示完成了第0~127次压缩的过程文件,此处定义源文件经过一次压缩后的文件为完成了第0次压缩的过程文件,过程文件每经过一次压缩,压缩次数加1;
FL字段保存FL字段所占用的字节数和本次压缩前的文件长度,占1~8个字节,此文件长度是源文件的长度或过程文件的长度,文件长度以无符号二进制数值表示,单位是字节,FL字段中首个字节中首个二进制“0”出现在第K位,表明FL字段所占用的字节数为K字节,从该二进制“0”之后首位至FL字段第K字节最后一位共同以无符号二进制数表示本次压缩前的文件长度;
CID字段保存本次压缩调用的压缩编码,即在云字典中压缩编码等级Code Level,以下使用缩写CL,和云字典中压缩编码编号CN,占5~400个字节,CL的值为CID字段中出现首个二进制“0”的位置,CID字段占用的字节数为CL的值×5,CN的值为CID字段中首个二进制“0”之后所有位构成的无符号二进制数值。
7.根据权利要求6所述的依托云字典基于字节的无损压缩方法,其特征在于,步骤S5包括:以字节为单位,将每个字节的内容视为一个二进制无符号数,其值在0~255之间,根据源文件中每个字节数值的出现频率,以不同长度的二进制编码置换,按每字节原始编码与压缩变换后编码的对应关系在云字典压缩编码内容字段中找到相同的值VC,获得VC所在元组中压缩编码等级字段的值VL和压缩编码编号的值VID,并将VC所在元组中使用次数字段中的值VN自增1。