CN103401562A

CN103401562A - 一种无损json数据压缩方法

Info

Publication number: CN103401562A
Application number: CN2013103288853A
Authority: CN
Inventors: 孔校军; 刘洁
Original assignee: BEIJING HUAYI INTERACTIVE TECHNOLOGY Co Ltd
Current assignee: BEIJING HUAYI INTERACTIVE TECHNOLOGY Co Ltd
Priority date: 2013-07-31
Filing date: 2013-07-31
Publication date: 2013-11-20
Anticipated expiration: 2033-07-31
Also published as: CN103401562B

Abstract

本发明公开了一种无损JSON数据压缩方法。本方法为：1）遍历读取待压缩的JSON数据，对每一JSON对象分别生成一数据对象，该数据对象包含该JSON对象的所有Key值和Value值；2）对每一数据对象的Key值进行对比，将重复的Key值生成一Key值模版；对每一数据对象的Value值进行对比，将重复的Value值生成一Value值模版；3）按照Key值模版和Value值模版对待压缩的JSON数据进行压缩：将同一数据对象中重复的Value值替换成标识符，该标示符指示该Value值位于第几个Value值模板中的第几个值。本发明进一步降低了压缩率，在数据越大时压缩率越低，压缩后的文件越小。

Description

一种无损JSON数据压缩方法

技术领域

本发明涉及一种无损数据压缩方法，特别是一种无损JSON数据压缩方法。

背景技术

JSON是一种轻量级的数据交换格式，易于人阅读和书写，易于机器解析和生成。它可以被用来作为数据交换格式，就像XML。当比较JSON和XML时，JSON具有以下几个优点：1.易于人阅读和编写。2.易于机器解析和生成。这也是为什么JSON会被认为是XML的轻量级替代的原因。虽然JSON有以上几个优点，但是其数据重复度依然比较高，文件越大，KEY值重复次数越多，在移动互联网应用中传输数据消耗的流量较多，于是就出现了一些JSON数据压缩方法。

JSON的压缩算法目前有CJSON和HPack两种开源压缩方法，两种算法都是通过数据结构的改变来实现压缩，其中CJSON的压缩方法主要是将原始JSON数据抽离成Template(模版)和Value(值)，即省掉其中JSON数据中重复的“Key值”。HPack也是将原始JSON数据抽离成Template和Value，阵列中第一个值是Template，后面依序就是Value。两种压缩效果如下：

例1

压缩前：

[{

name:"Andrea",

age:31,

gender:"Male",

skilled:true

},

{

name:"Daniele",

age:26,

gender:"Male",

skilled:false

}]

使用CJSON压缩后：

{

"templates":[

[“name”,"age","gender",”skilled”]

],

"values":[

{“values”:[“Andrea”,31,”Male”,true]},

{"values":[“Daniele”,26,“Male”,false]}

]

}

使用HPack压缩后：

[["name","age","gender","skilled"],["Andrea",31,"Male",true],["Daniele",26,"Male",false]]很显然，HPack压缩方法压缩率更高，但是HPack使用过程复杂，不能压缩复杂的JSON数据，如下：

例2

压缩前：

[

{

"x":100,

"y":100

},{

"x":100,

"y":100,

"width":200,

"height":150

},

{},

]

使用CJSON压缩后：

{

"templates":[

[0,"x","y"],[1,"width","height"]

],

"values":[

{"values":[1,100,100]},

{"values":[2,100,100,200,150]}

]

}

而HPack无法对此数据进行压缩。

从以上例子中CJSON压缩后的数据发现，仍然有很多重复字符，还有进一步的压缩空间。CJSON和HPack都是对“Key值”进行提取模版压缩，并没有对“Value值”进行压缩。

发明内容

针对现有技术中存在的技术问题，本发明的目的在于提供一种无损JSON数据压缩方法，集成了原有的CJSON和HPack压缩方法的优点，对原有JSON数据全部读取后抽取模版，抽取相同的“Key值”和“Value值”作为模版，进行数据格式重组，以达到压缩的目的。

本发明的技术方案为：

一种无损JSON数据压缩方法，其步骤为：

1）遍历读取待压缩的JSON数据，对其中的每一JSON对象分别生成一数据对象，该数据对象包含该JSON对象的所有Key值和Value值；

2）对每一数据对象的Key值进行对比，将重复的Key值生成一Key值模版；对每一数据对象的Value值进行对比，将重复的Value值生成一Value值模版；

3）按照Key值模版和Value值模版对待压缩的JSON数据进行压缩：将同一数据对象中重复的Value值替换成标识符，该标示符指示该Value值位于第几个Value值模板中的第几个值。

进一步的，对于每一数据对象，压缩后的数据包括：{Key值模板序号及对应的Key值，Value值模板序号及其对应的Value值，压缩后的Value：[[Key值模板序号，未重复的Value值，重复的Value值对应的标示符]，……]}。

进一步的，所述标识符以“#”开头，采用“#n.m”代表第n个Vlaue值模版中的第m个值。

进一步的，如果JSON原始数据中本身包含“#”字符，则在标示符前面加“\”转意字符。

与现有技术相比，本发明的积极效果为：

本发明通过对原有JSON数据全部读取后抽取模版，抽取相同的“Key值”和“Value值”作为模版，进行数据格式重组，通过表1显示本发明在无损JSON数据越大时压缩率越低，压缩后的文件越小，通过本案压缩的结果明显优于CJSON压缩，至少比CJSON压缩压缩率要低10%。

具体实施方式

本发明的具体无损压缩流程为：

1、遍历读取JSON数据，对其中的JSON对象进行解析，分别生成数据对象，该数据对象包含一个JSON对象所有的“Key值”和“Value值”。

2、对每一个数据对象拥有的“Key值”进行对比，抽取出重复的“Key值”，生成“Key值”模版。

3、对每一个数据对象的“Value值”进行对比，对出现2次及以上的“Value值”提取出来，生成“Value值”模版。

4、针对同一数据对象，将“Value值”中重复的“Value值”替换成标识符，标识符以“#”开头，后面跟数字代表的是第一个“Value值”模版，后面再跟“.”和数字代表该“Value值”模版中第几个值，如“#1.2”代表第一个“Vlaue值”模版中的第二个值。

5、生成新的JSON数据

具体压缩结果示例：

对例1的原始数据进行压缩后的结果如下：

{"t":[["name","age","gender","skilled"]],

"vt":[["Male"]],

"v":[[1,"Andrea",31,"#1.1",true],[1,"Daniele",26,"#1.1",false]]}

注：t代表“Key值”模版，vt代表“Value值”模版，v代表“Value值”，每一个“Value值”对象的第一个值代表应用的“Key值”模版序号，此例中只有一个“Key值”模版，因此，两个“Value值”对象的模版序号都是1。“#”为本案中的指示符，如果JSON原始数据中本身包含“#”字符，需在前面加“\”转意字符即可。

压缩效果对比：

从以上例子中可以发现，本案的压缩效果比CJSON的压缩效果要好一点，但是并没用太大的改观，这是因为我们原始数据太小，下面表1是我们测试对比了5个不同大小的JSON数据的CJSON压缩和本案的压缩结果大小，更能够清晰的说明本压缩方法的效果。

表1压缩效果对比表

	JSON1	JSON2	JSON3	JSON4	JSON5
						原JSON大小	52966	104370	233012	493589	1014099
CJSON压缩	24899	48605	108983	231760	471230
						本案压缩	16727	20781	43162	99039	180575

以上表1显示本案压缩在无损JSON数据越大时、压缩率越低，压缩后的文件越小，通过本案压缩的结果明显优于CJSON压缩，至少比CJSON压缩压缩率要低10%。

本案也可以对转换后的数据进行恢复，恢复过程为压缩过程反向运算，因此就不再赘述。

Claims

1.一种无损JSON数据压缩方法，其步骤为：

2.如权利要求1所述的方法，其特征在于对于每一数据对象，压缩后的数据包括：{Key值模板序号及对应的Key值，Value值模板序号及其对应的Value值，压缩后的Value：[[Key值模板序号，未重复的Value值，重复的Value值对应的标示符]，……]}。

3.如权利要求1或2所述的方法，其特征在于所述标识符以“#”开头，采用“#n.m”代表第n个Vlaue值模版中的第m个值。

4.如权利要求3所述的方法，其特征在于如果JSON原始数据中本身包含“#”字符，则在标示符前面加“\”转意字符。