TW517204B - Compression in the presence of shared data - Google Patents

Description

517204 A7 B7 五、發明説明（1 發明領域 本舍明係關於用以資料編碼之系統與方法，並特別是關 於多項資料壓縮方法。 發明背景 根據文字替換的壓縮演算法現已廣泛應用於資料檔案的 儲存和傳輸方面。這種類型的傳統方法可如Ziv和Lempel 所著 “λ Universal Algorithm for Sequential Data Compression”乙文所述之Lempel-Ziv演算法，該文出版於 IEEE Transactions on Information Theory 23(3)，第 337- 裝 3 43頁（1977)，茲按引用方式併入本文。這些演算法係基 於在一檔案内不同片段之間尋得文字相似性。而在稍後出 現之給定片段會被一指向於早前出現處之指標所取代。 訂 線 文子替代 >貝异法為全通適用，就是在於彼等並不要求對 於該檔案内容的先驗知識。在漸近極限裡，對於給定之樓 案這種演算法能夠達到可能的最佳壓縮結果。不過，依其 本質而言’業界眾知之演算法僅在檔案的初始部分（有時 為顯著長度）既經處理之後，才可獲得壓縮結果，而其所 獲致之壓縮程度不甚明顯。

Wyner和Ziv在所著後文中探究了利用一固定、預先決定 而外置於待加壓縮之檔案之參考字.串的壓縮效益性，該文 為 “Fixed Data Base Version of the Lempel-Ziv Data

Compression Algorithm”，出版於 IEEE TransacU〇ns ⑽ Information Theory 37(3)，第 878 — 88〇頁（1991)，茲按引用 方式併入本文。彼等展示了類似於傳統演算法所能獲得之 -4- 517204 A7 B7 五、發明説明（2 p棄。果如3參考字串確是產生自和產生該待加壓縮之 同的來源。，然而，作者們並未說明應如何選取該參 發明概要 裝 :明幸父佳具體實施♦"里，目標檔案係藉由該檔案内 斟虛目付片奴而壓縮成為一參考檔案或檔案集合之中的諸 1片段。本發明採用-項事實，此即通常多台電腦會呈 =同二即已存駐於其碟片上的共用㈣集合，像是求救 7、、程式槽案和其他由特定廠商或其來源所供應的來源 仏木由相同來源所提供，或是根據相同來源集合之新檔案 吊會再用諸多早先槽案的大致等同片&。藉由利用這 一，先存在、共用貧源作為參考檔案，則有可能將極長的 子字串從該目標檔案比對到諸參考檔案中的適當片段，如 此即可達到優於業界已知方法的壓縮結果。 ，本發明一些較佳具體實施例中，伺服器可根據由該伺 服器與一客戶端所分享之共同參考檔案集合，來壓縮待加 載送至該客戶端處的目標檔案。該伺服器通常會事先知乘 該客戶端所存握之諸參考檔案，這通常會包括該客戶端二 作業系統檔案（即使是相異於該伺服器之作業系統亦然）， 和其他軟體平台元件。另者或此外，該伺服器可從預先與 该客戶端的通訊中導出這項資訊。該伺服器會將目標槽案 編碼為一標示子，或指標，列表，指向於該客戶端處參考 樓案内的諸多片段，而該參考檔案相符於該目標樓案中的 連續子字串。各個標示子最好是包括一參考檔案識別子， -5-

517204 A7

以及該片段在參考檔案内的位移與長度。該目標檔案裡對 任何參考檔案皆無足夠長度之比對結果的子字串，最好a 按其原樣被加入該指標列表，而尤以按一旗標俾表示該 未經編碼為最佳。 取好，該飼服器可藉由編碼該列表内的諸標示子，來壓 細經編碼之列表。該標示子列表通常是仰賴於整體參考檔 案的子集合。因此，可根據其等之出現頻率，用例如： 是Huffman編碼方法，來有效地編碼該等參考檔案識別子 。孩伺服态最好是可將一標頭增附至該結果壓縮檔案，以 識別出該者所用之諸參考檔案及其各自的數碼。 在本發明一些較佳具體實施例中，該伺服器可維護多重 個參考檔案集合，這些通常是對應到不同的客戶端平台， 藉此產生該待加送出之目標檔案的不同壓縮版本。另者或 此外，該電腦可備置並事先快取各種不同版本。應瞭解本 些較佳具體實施例雖係參酌於客戶端/伺服器端架構所描 述，然點對點式電腦也可根據本發明原理，來I縮、儲^ 及/或彼此之間傳送既經有效壓縮之檐案。 在本發明較佳具體實施例中，為解壓縮檔案，該客户端 會讀取標頭’ ϋ開啟其碟片中的適當參考檔案。然後該者 會處理指標列表、#由該等標示子所標指之參考檔案中擷 取出諸連續片段。這些片段會經鍵接，並視適當情況連同 任何未經編碼之子字串，以供重建出該目標檔案。 ,在此諸較佳具體實施例雖係參酌於檀案壓縮和傳輸所描 述，然應瞭解本發明原理實可等同適用於壓縮其他具有文

五 、發明説明（4 利申请案=另款符號之資料項目標檀案。因此，在本專 、“目e矜宏專利範圍所述之情境裡，該些名詞“擋荦” 腦可續料和“參考擋案”實應被視為概指大致為任何電 。：二實二且本發明原理確得適用於該者 與明晰地分：名詞“子字串… 亚應明瞭確可表稱在 付琬子串 和適當型態的字串 权貝科貫體内實為任意長度 縮二；=發明較佳具體實施例，提供-種用以壓 目&付唬字串之方法，包括： 識別一組由電腦所收存之參考字串集合； :該：標：串内諸多連續性子字串進行，比對到在其— 3夕個4考字串内所尋得之各個片段； 八 ^各個片段標示子指配給諸子字串， 別出各個彼等所屬相符之片段；並且 -子串了識 輪出一既經排序之標示子列表。 最好，識別該參考字串隹人白人地σϊ 多標案的集合為佳。最:二二腦所使用之諸 取于k二檔案與該電腦的作業平台 /者另者或此外，這些槽案包含程式槽案與求救播案至 串t好，比對諸子字串包含對於各個子字串尋得在參考字 中的個別片段，藉此將子字串長度最大化。更進—步最 子’比對諸子字串包含將今玄墓灸 ，3將孩專參考字串按-樹狀結構編碼 構裡具有對應於該些片段内符號之線緣所連接 對廡並且哥得個別片段者包括連續性地指派該樹狀結構内 :到該子字串之符號的諸線緣。而尤甚最好者，指派該 田/結構之線緣包括指派該樹狀結構，直到該連續序列内 個線緣所觸抵之諸節點中—者，並且指配各自的片 又T不子包含回返一相關於諸節點中一者的節點標示子。 此外或另者，指配個別片段標示子包含僅將該些標示 ，曰配給相符於某—短於預定最小值長度之片段的諸子字串 s將僅合配於較預定最小值長度為短之片段的諸子 子增附到該經排序之標示子列表内。 取好1配個別片段標示子包含標示該些其中出現諸片 人扭:考字串的個別標示子，在此指配個別片段標示子包 ::示出該等在所出現之參考字串裡該片段的位移與長度 b外或另者’輸出該排序列表包含壓縮該列表。最好， 經排序之列表包含壓縮該些參考字串的識別子，其 麼縮該些識別子包含回應於該排序列表内各識別子個別 的出現頻率，來對諸識別子加以編碼。 一2好」冑出該數碼的排序列表包含透過一通訊鏈路，將 各有该列表的輸出檔案傳送給電腦。 較佳具體實施例中，識別該參考字串集合包含識別 一第乡考字串集合’❼比對眾多子字串且指配該片 又广不子包含將第_和第二諸多子字串分別地關聯到第一 =二參考字串集合内的個別合配片段，且按此指配第一 示子集合，而同時輸出該排序列表則包含分別地 則、〜於該等第一和第二參考字串集合之第一和第二集 五、發明説明（6 ) 合裡的第一和第二列表。 袁好’ 5亥4第一和第二參考字串崖 第-雷腦在妨 #子串集5係分別地由第-和 第一電恥存放，而輸出該第一和第二列 列表給第一電腦，曰、矣山兮势 匕s k出a弟一 包恥且迗出该弟二列表給第二電腦。 根據本發明較佳具體實施 通訊之方法，其中包含： 纟此缺供一種用以資料 檔：送ώ電腦處識別至少一個由接收電腦處所收存之參考 :目標樓案内的其一或多個子字串比對到至少一 樓案的個別片段； / 藉由將其—或多個子字串替代成可識別出諸片段之片段 識別子來壓縮該目標檔案；以及 將該壓縮樓案從該送出電腦處傳送到該接收電腦處，菸 此該接收電腦可利用該至少—個參考擋案來解壓縮該擋案。 在-較佳具體實施例中，該至少一個參考檔案與一由該 接收電腦，但非由該送出電腦，所執行之程式相關。 在另-較佳具體實施例中，識別至少一個參考檔案包含 透過該通訊鏈路以接收來自力該接&電腦的至少一個參 標案之識別資料’並且傳送該屋縮檔案包含回應於所二 的識別資料以選出壓縮檔案俾供傳送。 最好’識別至少-個參考檔案包含叫回由該送出電腦所 收存之至少-個參考檔案的拷貝，並且比對至少一 串包含利用所叫回之至少一個參考擋案的拷貝，來尋得相 符於該送出電腦處之子字串的片段。 517204 A7

八在較佳具體實施例中，識別至少一個參考擋案包含識別 別由該第一和第二接收電腦所收存的第一和第二來考槽 案’而比對與替換該其一或諸多子字串包括將第一和第二 :多子字串分別地關聯於該等第一和第二參考檀案中個別 、相付片段，並且按此將該些子字串替換成第一和第二尸 :::合，裨以產生第一和第二壓縮標案，而傳送該壓: 田案包含傳送該第一壓縮檔案到該第一接收電腦，以及傳 =二壓縮檔案到該第二接收電腦。最好，壓縮該目標 :案：含將該第一和第二壓縮稽案存放在該送出電腦處， =傳送該等第一和第二壓縮標案包含叫回該既 裝 核案以供傳輸。 訂 線 在另一較佳具體實施例中’該目標檔案包含一第一目护 檔案’而壓縮該目標檔案包含壓縮該第一目標檔案且將: 參考檔案的識別資料插入於該壓縮檔案的標頭内:、同時該 ==將一第二目標標案内的諸子字串替換成朝: ’ w〜子：在該第一目標檔案中早前出現處之内部指標 /查縮該第二目標擋案中該壓縮檔案的標頭内含有 用以指出該第二目標檔案先前時係、按該等内 部指標所壓縮者。 =發明較佳具體實施例’尚另提供—種用以解壓縮 金細杈案的方法’該檔含有一排序數碼列表，可桿示出 =所儲存之其一或諸多參考字串内的個別片段，該方法 從該列表中讀出數碼；

五、發明説明（8 擷取由該些數 從電腦所儲存之其—或諸多參考字串内 碼所標示之片段；並且 ==之片段以供重建出該目標檀案。 案取進一;最好==:串;含該電腦所利用的諸標 含讀出-長度值和内好者，操取諸片段包 ^ ^ ^ ^ 子串内之位移值的一序列符號，而 ^ ’、 ^數碼其中一項所標示。另者戋此外，兮壓 縮檔案進一步更包含一以分 力m夕卜，該壓 子字串，且盆φ μ 目標檔案之未經編碼的字元 ^ Γ 所擷取之諸片段包含按所擷取之片段 來鏈接該未經編碼子字串。 β仅 在此根據本發明較传呈辦每A y f 以愿r 一…、例，尚進一步提供-種用 :細-目私付遽字串之裝置，其中包括一壓縮處理号， 該者經調適俾以接收—組由電腦所收存之 _ 資料；俾以將該目標字串内諸多連續性子字串比對; 一或多個參考字串内戶斤| p 々 /、 +件之各個片段；俾以將各個片 標示子指配給諸子字串，而這些子字串可識別出各個彼等 所屬相付之片段，並且俾以輸出—既經排序之標示子列表。 在此根據本發明較佳具體實施例，尚進一步提供—種 於資料通訊之伺服器中包括一壓縮檔案處理器 經調適俾以接收至少-個參考㈣的識別資料，該^係 由該接收電腦所存放，並俾以將一壓縮檔案傳送至該接收 電腦’其中該壓縮檔案係藉由將該目標檔案内其一‘諸夕 子子串比對於該至少一個參考擋案的個別片段，以及藉由 -11 - 五、發明説明（9 ::或諸二子子串替換為可識別各個片段之片段標示子 2者藉此该接收電腦可利用該至少-個參考檔案來 解壓縮該檔案。 “伺服器端包含一儲存裝置為佳，該者可經調適 、收存至夕一個參考檔案的拷貝，其中該處理器經調適 俾以從該儲存裝置中叫回至少-個參考播案，藉以利用該 叫回檔案來產生一壓縮檔案。 在此根據本發明較佳具體實施例，可進—步提供—種用 以將壓縮檔案予以解I缩之裝置，該者包含—經排序之數 碼列表丄才票示出其—或諸多參考字串内的個別片段，彼等 片&相符於-目標檔案内的各個子字串，該裝置包括： 儲存袭置，經調適以收存其一或諸多參考字串；以及 解壓縮處理器’經調適以從該列表中讀出數碼，並且 奴祕|乂從由其—或諸多收存於該儲存裝置内之來考字 串所標示的數碼中褐取出諸連續片段，並以鏈接所榻取之 片段俾供重建出該目標槽案。 在此根據本發明較佳具體實施例，亦提供-種用以壓縮 -目標符號字串之電腦軟體產品，該產品包含一其中存放 有各項程式指令之電腦可讀取媒體 ’這些指令可令該電腦接收一組由電腦所收存二；= 的識別資料；+以將該目標字串内諸多連續性子字串比對 到在其-或多個參考字串内所尋得之各個片段；令以將各 個片段標不子指配給諸子字串，而這些子字串可識別出各 個彼寻所屬相符之片段；並且令以輪出_既經排序之標示 -12 本紙乐尺度適用甲國國豕標準(CNS) A4規格(210X297公著) 517204 A7 B7 五、發明説明（10 ) 子列表。 在此根據本發明較佳具體實施例，亦另提供一種用於次 料通訊之電腦軟體產品，該產品包含_其中存放有各項= 式指令之電腦可讀取媒體’而當由一送出電腦讀出時，迕 些指令可令該送出電腦接收至少一個參考檔案的識別資料 ’該樓案係由該接收電腦所存放，並令將該目標樓案内盆 -或料子字串比對於該至少一個參考標案的個別片段:、 且令错由將其一或諸多子字串替換為可識別各個片段之片 段標示子來壓縮該目標檀案，並令以將該壓縮檀 該接收電腦，其中該接收電腦可利用該至少夫 來解壓縮該檔案。 >号植案 裝· 在此根據本發明較佳具體實施例，亦另提供一種用以蔣 塵縮檔案予以解壓縮之電腦軟體產品，該者含有_ 2數碼列表’標示出由一電腦所收存之其_或諸 =的個別片段，彼等片段相符於一目標槽案内的各個子 ^體該2包含一其中存放有各項程式指令之電腦可讀 取媒體，而當由一電腦讀出時，這些指八 列表中讀出數碼，並且令以從由盆：：厂、腦從該 - ^次邊多收存於該儲存 二置内之麥考子串所標不的數碼中擷取出諸連 令以鏈接所擷取之片段俾供重建出該目標播案。 二藉ΐ發:月之較佳具體實施例詳細說明並聯同其隨附圖 工 于’木入瞭解本發明，而該等圖式中： 圖式簡單說明 圖1為根據本發明較佳具體實施例，-種用於檔案麗縮

13-:297^>5T

傳輸與解壓縮之系統繪列略圖； 圖2為根據本發明較佳具體實施例，圖式說

厫μ 從用U % —目標擒案方法之流程圖； 圖3和4為根據本發明較佳具體實施例，圖式說明如圖2 方法之細節的流程圖； .回 圖5為根據本發明較佳具體實施例，圖式說明一種用以 將一壓縮檔案解壓縮之方法的流程圖。 較佳具體實施例詳細說明 ^圖1為根據本發明較佳具體實施例，一種用來對於目栌 檔案進行壓縮、傳輸與解壓縮之系統20繪列略圖。該目枳 =案係經一壓縮處理器22，該者通常為一伺服器，藉由^ 罪於對一組存放在碟片24或其他儲存媒體上之共同參考檔 案集合所壓縮者，即如後文中所詳述。該壓縮檔案最好： 透過一通訊線路26而傳送到一解壓縮處理器28，一般為二 客戶端。線路26通常是屬於一區域網路（LAN)或一廣域網 路（WAN)，即如網際網路。處理器28可利用一組參考檔案 μ解C縮4播案，該等亦會同樣地被存放在碟片3 〇或該客 =端可接取之其他的本地儲存媒體上。處理器22和28最好 $含有一通用型電腦，該者會在軟體的控制下執行其等功 :而可為例如#妝電子形式透過網路將這些軟體提供給 =處理器，或另者可依像是CD-ROM或非揮發性記憶體之 實體性媒體來提供。 處理為22可利用下述而依據於存放在該客戶端碟片3〇上 之參考擋案預備知識的方法’來壓縮一待加傳送給處理器 14- 五、發明説明（12 28的目標播幸。尤 些諸客戶端I、*甘°夕現代的LAN環境中，特別是其中彼 與客戶端必哨4 ^或諸多伺服器所為管理者，該伺服器 1、 菸八口悉至少一部份彼此間碟片上的内容。即使 (' Ρ)；；專的共同通訊協定，亦是以交換平台資 瀏覽項貧訊通常會包括例如該客戶端作業系統、 ^或Η丁丁Ρ看守者的識別資料。少量的组合可實^ 地涵蓋幾乎所右的穸各山η 97、、且口 J貫際 '戶知。取好，該伺服器維護有對應於 組態之諸參考㈣，並針對各個給定客戶端來 田的參：檔案集合。另者或此外，該伺服器端可快 目示檔案的壓縮版本’並最好是許多對應於相異、已知 :客戶端組態的不同壓縮版本。該些客戶端組態甚至是可 為依據與該伺服器互異之作業系統者，如由騎伺服器所 祠服之Windows™客戶端0 σ視It況為要，s该客戶端組態並不對應於該伺服器所 握持之參考㈣集合巾任—者時，可利用傳統式 Z1V式凟异法或其他的業界眾知方法來壓縮該檔案。由該 伺服器所傳送之壓縮檔案的標頭最好是包含一個旗標，該 者可指示該客戶端如為解壓縮該檔案是否應採用外部的^ 考檔案。 圖2為根據本發明較佳具體實施例，圖式說明一種被處 理器22用來壓縮一目標檔案4〇之方法的流程圖。該壓縮作 業是參酌於一組被伺服器所握持，且已知存在於該客戶端 碟片30上之共同檔案42。即如其他的文字替換演算法，該 517204 A7 --------— __ B7 五、發明説明（13 ) 壓縮方法極為耗時，並因而最好是由處理器22，或是其他 電腦，在該伺服器與該客戶端間的任何通訊之前先予執行 。即如前述，該伺服器可備置並儲存該目標檔案4〇之諸多 壓縮版本，各個皆係針對不同、共用的客戶端組態，而接 者會選取和傳送適合於該客戶端的版本。下文中將依其中 一種組恶來說明圖2之方法，但如此並未失其一般性。 在比對步驟44處理器，處理器22會將該目標檔案4〇裡的 子子串比對到對應於該共同檔案集合42内的各子字串或片 段。在此，該共同檔案集合也稱為一參考檔案集合。為有 效地壓縮，該處理器會對該目標檔案裡的各個連續子字串 ，搜尋最長的可能相符片段，即如業界所眾知的文字替換 演算法。用以尋得該相符片段之較佳方法可如後文中參酌 圖3所說明。 少 訂 按此方式所尋得之各個相符片段最好是依下列三項名詞 來標不. <參考檔案識別子字串，在該參考檔案内的位移值，片段 長度> 在列表產生步驟46處，該處理器可產生—份如上述之三項 名詞資料的經排序列表，而這是對應該目標檔案的連：子 字串。最好，該列表也包含該目標檔案的較短子字串，而 對於彼等子字串在參考檔案裡並未尋獲足夠長度的相符結 果。試圖將極短的子字串（像是單一個字彙）予以編碼，通 $會產出一反倒冗長於該子字串本身的三詞資料。因此， 最好是將這些未經比對的子字串逕予增人該列表而無另編

517204 A7

碼為佳。 為產生一具有最小大小之壓縮檔案5〇，由步驟46而來的 二詞資料列表最好是本身亦被壓縮，即如步驟48。茲參酌 於圖4説明一種根據於Huffman編碼的較佳壓縮方法。或另 者，亦可於本步驟中採取其他業界所眾知用以壓縮文字幹 案的壓縮方法。 田 圖3為根據本發明較佳具體實施例，圖式說明一種用以 將目標檔案40内子字串比對於共用檔案42中諸片段之方法 的机耘圖。該方法對應於如圖2方法中的步驟44和料。為 便於子字串比對，處理器22最好是事先針對各個參考檔案 集合備妥一樹狀物（trie),即於樹狀物建購步驟6〇者。所 謂樹狀物是一種業界眾知的樹狀結構，可被用來編碼該集 合中所有槽案的所有片段。該樹狀物的線緣即如按字元$ 藏不。離開同一節點之不同線緣會被記註以不同的字元。 按此’ /;ϋ著從该源根點以下的路徑而行，籤示出沿兮路 之諸線緣的字元可構成一個字串，而不同的路徑會讀取 不同字串。該樹狀物建購步驟60可表示出該等所有參考 案内的所有片段。對於各個片段，一片段標示子字串 <參考檔案識別子，在該參考檔案内的位移值，片段長肩 ’會相關聯於從讀出該片段之源根,點降行沿旅至該路徑 點時所得觸抵的節點（該片段標示子如此即成為一節點 示子）。由於一給定片段可出.現於超過一個以上的參考 案裡，因此可能會有兩個或更多與同一節點相關聯的片 標示子。該片段長度等於從該源根點領降至該節點之路 -17- 裝 訂 線 本紙張尺度適用 t ®W#?(CNS) A4k^(21〇X297^) 517204 A7 B7

五、發明説明（15 長度。 該樹狀物建購步驟60如此可容納儲存諸多片 、， θ ί又，ΤΡ有效 地令其為一簡易作業以將該目標檔案比 J j麥亏檔案内的 诸片段。為進行比對，可從該目標檔案的起點開始，在第 -子字串步驟62處’從該源根點而按指派於外離該源根點 之線緣（即‘‘離出線緣”)上而離出，該者係依該目桿檔案之 第二字元所籤記，並持續之直到觸抵一節點，而::處並 沒有標著該目標檔案目前字元的離出線緣外離。如此， 得確定出該第一子字串。 該第二子字串起始自隨後於該目標檔案中第一子字串最 末子元之子元。當指派該樹狀物時，伺服器會讀取該者， 再次地從該源根點開始。按指派其標以該第二子字串中第 一字凡之離出線緣而外離於該源根點，據此所抿達的節點 ，是從指派其標示有該目標樓案第二子字串第二字元之離 出線緣而離出者等等。 對於各個子字串，該舰器可繼續從該目標標案附加連 續性字π至該子字串，並可指派相對應之樹狀物分支，上 達至由在比對步驟6 8内相符於# 4今+ 田/ 邓Μ子目付於S子子串之線緣所觸抵到的 最後-個節點。這個節點如此對應於在該參考檔案集合中 >可相符於目前子字串的最長片段。當如程式或求救擋案 之參考檔案的大部分已被重用於該目標檔案内[即通常 會出現的情況’最長片段可為數百甚而數千字元。最好， 事先預定-Η檻相符長度L，這通常會等於數個位元組。 在比對評估步驟64中’會對所發現的相符長度加以評估。 -18- 本紙張尺度適财關家Wcns)A4規格(210χ297公gy 如果該值觸抵L ,則該二甸次企丨、 詞資料會在分段標示子:返1驟=定這個最末節點的三 表内。 返步驟70中被增入該三詞資料列 過二’假使該目標檔案裡的-給定字串，於指派經 :广點之前即已觸抵該樹狀物 點 =項子：串成為三詞資料將會不具效率性。相反： ^⑴述:取好是在子字串回返步驟66中，將該子字串本 内入°亥…司貝料列表内的某適當位置處。而最佳者，另 子字串補附來自1^目標檔案的額外、連續性字元， f到長度L為止。會對該列表内的各個項目額外加增一 個别領位π，#此指明本項為三詞資料抑或短型子字串， 以有助於該列表的編碼和解碼效率。 後Ik於步驟66和70，編媽程序會繼續從該目標檐案裡 一既經編碼子字串之後的下-個字元進行，即於次一子字 串步驟72 ’直到整個目標樓案既經編碼完畢為止。 圖4為根據本發明較佳具體實施例，按圖式說明如 壓縮步驟48諸細節之流程圖。如圖4之方法係基於瞭解： ，通常即使是當整組參考檔案集合確屬龐大時，一給定目 標檔案仍實主要仰賴於該參考檔案的少數子集合。藉= 效率地將該三詞資料列表内的參考檔案識別子字串加以編 碼，如此即有可能大幅減少該壓縮檔案5〇的最終大小。 在識別子列表步驟80中，處理器22可從該列表中所有、 三詞資料抽擷出諸檔案識別子。在此，會從各個參考檔= 出現在該列表内的次數維護出一計數值，包括 胃 四見在二詞 517204 五、發明説明（π 料内者1¾心些是顯現於與該檔 三詞資料之諸集合中。接荽^ 1杲片&相關的多重 兮#姿 接者’會按返覆方式來解析屮斜认 該棺案的特定片段之三詞資料多重性。在：c於 排序步驟82處，會選出具有 ^ 中，於 於任何尚未门计數值的檔案。然後，對 1仃尚未為其疋義出一獨具性三丁 於諸相關三詞資料之集合中 又以及對 吞司貢料的檔案元件為目前所選—、汁而绝個二 粗1 士、A 4 疋之衩案者’則該項三詞資 /斗就成為該片段的獨具性 、 段相關之三詞資料内的其餘==現在其他與該片 這項“貪婪，，程序的目的在：產：會減去-值。 加激ώ 牡y、屋侍少1的參考檔案，具有較 低亂度的相對性出現頻率， ' 而利用如下所述之Huffman編 碼方法，即可令其獲致良好的壓縮結果。 於數碼指配步驟84處，會將-簡短數碼，尤以二進位字 串為佳，指配給各個槽案識別子。最好，該短碼屬可變長 度者，並且將該最短可用數瑪指配給最常出現參考檔案， 而以利用Huffman編碼方法可為更佳。碼與相 關之編碼方法，可如Cover與Th〇mas所著之

Information Theory (Wiley & Sons，New Y〇rk，1991)中第 90-101頁所述者，兹將其併入本文以為參考。 在識別子替換步驟86處，三詞資料列表内的諸檔案識別 子會被相對應之短碼所替換。而在標頭產生步驟8 8處，會 從應用在最終、經壓縮之三詞資料列表内的所有參考檔案 ，連同被指配給各個檔案識別子的短碼，組裝出一索引值 。這項索引值會被接附到壓縮檔案50以作為標頭。最好， 裝 訂 線 -20- 517204 五、發明説明（18 該標頭也包括其他資訊，像是該壓縮檔案的名稱和長度， 和被指配給該者的獨具性壓縮標案識別子。該項後者識別 子特別適用在定義出該客戶端平台，或該目標樓案4〇由此 而為壓縮之共用檔案集合42方面。另者或此外，該識別子 可標指出一給定檔案先前係利用内部指標所壓縮，即如業 界所眾知I，而無須參考到外部的共用檔案集合。進一步 另者或此外’ -給定檔案或為透過逐一片段方式，將該檔 案裡部分的子字串替換成外部指標（標示子）而所壓縮，而 其他的子字串是按内部指標所替換。 圖5為根據本發明較佳具體實施例，圖式說明一種用以 將檔案50解壓縮之方法的流程圖。在檔案接收步驟卯中， 解壓縮處理器28從伺服器處接收到該壓縮檔案。在壓縮 查步驟92裡，處理器28會檢核該壓縮檔案的標頭，以決定 壓縮作業所按之依據的共用檔案集合42。即如前述，假使 該標頭表指出並無採用外部參考檔案，該處理器28會於内 部解壓縮步驟94處，利用適當、標準化的解壓縮方法將檔 案5 0解壓縮。 田 假定該檔案標頭確實包含應用於產生該壓縮檔案的參考 檔案列表，則處理器28會在檔案開啟步驟96處，於其碟片 3〇^開啟既經表列之參考檔案。接著，該處理器返覆旅經 該三詞資料壓縮列表。而又對於各個三詞資料，該處理器 會在片段查核步驟98查核短碼以識別出適當的參考檔案。 然後會前進到由該三詞資料内位移值所標示之檔案=的位 置，並讀出所標指之長度值的片段。如此所讀出諸連續片 21- 本紙張尺度適财a國家標準(CNS) A4規格(2iQ χ 29ϋ 517204 A7

段會在鏈接步驟100處，連同任 表内的子字串而彼此依序增附。這=、.=顯現在該列 能且可快速完成的程序將繼續進行，直到整個目標擋；:力。 既經重建妥當為止。 茶40 前文中雖係按特定參考於從伺服器到客戶端之檔案 作業以描述較佳具體實施例，然應瞭解壓縮本揭方法確; 實質上應用於任何電腦資料通訊及/或健存的情境内。 外’雖彼等具體實施例係參考於目標檔案4〇和共用檔案Ο ’或參考㈣’然應明瞭本發明原理確可等同適用^任 資料體項之壓縮作業。換言之，本文所採行之諸項名气 “目標檔案”、“共用檔案，，與“參考擋案，，應被視為參指於更為 廣義方式，而為實質上任何其中含有待加壓縮之符號字串 的電腦可讀取式資料體項。 ^ 如此即可知悉前揭示較佳具體實施例進係按範例所引述 ，同時本發明實不受限於前文中該等既經特定揭示與說明 者。而是，本發明範圍包括前揭示各式特點之組合與次組 合兩者，以及熟諳本項技藝人士經覽閱前揭說明所得思及 與著手，然未經先前技藝所涵蓋之該等變化與修姊。 本紙張尺度適用中國國家標準(CNS) A4規格(210X 297公釐）

Claims (1)

1. Μ/204 Α8 Β8

   :用以壓縮一目標符號字串之方法，其中包括： 識別-組由電腦所收存之參考字串集合； ,=二票字串内諸多連續性子字串比對到在其-或 夕個4考子串内所尋得之各個片段； :各個片“不子指配給諸子字串，而這些子字 可識別出各個彼等所屬相符之片段；以及 輸出一既經排序之標示子列表。 2. 如申請專利範圍第1項之方法 集合包含識別該電腦所使用之 3. 如申請專利範圍第2項之方法， 的作業平台相關。 ’其中識別該參考字串 諸多槽案的集合。 其中這些檔案與該電腦 ’其中這些檔案包含程式 ’其中比對諸子字串包含 字串中的個別片段，藉此 裝 4·如申請專利範圍第2項之方法 槽案與求救槽案至少一者。 5.如申請專利範圍第1項之方法 對於各個子字串尋得在參考 將子字串長度最大化。 線 &如申請專利範圍第5項之方法，其中比對諸子字串包含 將该等參考字串按一樹狀結構編石馬，該結構裡具有對 應於該些片段内符號之線緣所連接的節點，並且 其中尋得個別片段者，句扭、当体u ， 匕括連續性地指派該樹狀結 構内對應到該子字串之符號的諸線緣。 7.如申請專利範圍第6項之方法，甘 /、中才曰派該樹狀結構 之線緣包括指派該樹狀結構，亩 ^ 罝到該連續序列内最後 一個線緣所觸抵之諸節點中一者口 有’亚且指配各自的片 -23- A8

   子包含回返一相M_ 子。 關於堵郎點中一者的節點標$ 8·如申請專利範圍第丨項之方 子包含僅將該歧桿示子&中指配個別片段標方 小值長度之片段二給相符於某一短於預定1 定最小值長度為短.之片段的諸將僅合配於較芳 之標示子列表内。 的老子子串增附到該經排月 9，如申請專利範圍第1項之方、去甘 子包含標示該歧直中出規1其中指配個別片段標开 示子。 ’、出見啫片段之參考字串的個別褶 装 10 ·如申睛專利範圍第9項之 子包含;P +、 /去，其中指配個別片段標开 與=‘不該專在所出現之參考字串裡該片段的㈣ U·如申請專利範圍第9項之方 表mi % n ^ / ，其中輸出該經排序之歹1 反縮該些參考字串的識別子。 •如申請專利範圍第u 線 包含回應於該排序列】=去，其中壓縮該些㈣ 1來對諸識別子加以編碼。$別子個別的出現頻率， 13 ·如申請專利範圍第1 含壓縮該列表。、法’其中輸出該排序列表自 14.如申請專利範圍第1 列表包含透過-通訊鍵路將其 案傳送給電腦。 將-…列表的輸" a如申請專利範圍第1ΙΜ之方法，其中識別該參考字串_ 本紙張尺度適用中國國家標準格⑽x 29TIiT 517204 AB c D 、申請專利範圍 和弟二參考字串集合，並且 合包含識別第一 其中比對眾多子字串且指配該片段標示子包人-—和第二諸多子字串分別地關聯到第一和第二I將第 串集合内的個別合配片段，且按此指―：二考字 示子集合，而且 和弟二標 其中輸出該排序列表則包含分別地輸出 第-和第二參考字串集合之第一和第二集合=等 和第二列表。 $ 如申請專利範圍第15項之方法，其中該等第一和第二 苓考字串集合係分別地由第一和第二電腦存放，一 出該第一和第二列表包含送出該第一列表給第—2 ’且送出該第二列表給第二電腦。 包 17·一種用以資料通訊之方法，其中包含： 在送出電腦處識別至少一個由接收電腦處所收疒 參考檔案； 子之 將目標檔案内的其一或多個子字串比對到至少一個 參考檔案的個別片段； 藉由將其一或多個子字串替代成可識別出諸片段之 片段識別子來壓縮該目標樓案；以及 將該壓縮檔案從該送出電腦處傳送到該接收電腦處 ，藉此該接收電腦可利用該至少一個參考檔案來解壓 縮該檔案。 18.如申請專利範圍第17項之方法，其中該至少一個參考 檔案與一由該接收電腦所執行之程式相關。 -25- 本纸張尺度適用中國國家標準(CNS) A4規格(210X 297公釐)

   •如申凊專利範圍第.1 7項 ^ ^ 栲茔6人 貝爻方去，其中該至少一個參考 c該接收電腦所利用之程式檔案與求救檔案至 20.如申請專利範圍第17項 甘士 4 κ之方法，其中該至少-個參考 由該接收電腦’但非由該送出電腦， 夂耘式相關。 21·:Π專利範圍第17項之方法，其中識別至少-個參 :檔案包含透過該通訊鏈路以接收來自於該接收電腦 的至少一個參考擋案之識別資料，並且 、—傳送該壓縮檔案包含回應於所收到的識別資料， 以選出壓縮檔案俾供傳送。 22·^凊專利範圍第17項之方法，其中識別至少一個參 考標案包含叫回由該送出電腦所收存之至少—個參考 檔案的拷貝，並且比對至少一個子字串包含利用所叫 回之至少一個參考檔案的拷貝，來尋得相符於該送出 電腦處之子字串的片段。 23 ·如申明專利|已圍第i 7項之方法，其中識別至少一個參 考榀案包含識別分別由該第一和第二接收電腦所收存 的第一和第二參考檔案，並且 ★其中比對與替換該其一或諸多子字串包括將第一和 第二眾多子字串分別地關聯於該等第一和第二參考檔 案中個別的相符片段，並且按此將該些子字串替換成 第一和第二標示子集合，裨以產生第一和第二壓縮檔 案，並且 ______-26- 本纸張尺度適用中國國豕標準(CNS) Α4規格(210X297公董) 六、申請專利範圍 第 收 其中傳送該壓縮檔案包含傳送該第一壓縮檔案到該 一接收電腦’以及傳送該第二壓縮檔案到該第二接 電腦。 认如申請專利範圍第23項之方法，其中㈣該目標樓案 包含將該第一和第二壓縮標案存放在該送出電腦處， 並且其中傳送該等.第一和第二壓縮擋案包含叫回該既 存之壓縮檔案以供傳輸。 25·:申請專利範圍第17項之方法’其中該目標檔案包含 -第-目標檔案’並且其中壓縮該目標檔案包含壓縮 該第-目標檔案，且將該參考檔案的識別資料插入於 該麗縮檔案的標頭内，同時包括藉由將一第二目標檔 f内的諸子字串替換成朝向於該等子字串在該第二目 標槽案中早前出現處之内部指標，來壓縮該第二目標 檔案’其中該壓縮檔案的標頭内包含有一襴位，這是 用以指出該第二目標槽案先前時係按該等内部指標所 該檔含有一排序 一或諸多參考字 26.—種用以解壓縮一壓縮檔案的方法， 數碼列表，可標示出電腦所儲存之其 串内的個別片段，該方法包含： 從該列表中讀出數碼； 從電腦所儲存之其一 些數碼所標示之片段； 鍵接所擷取之片段以 27·如申請專利範圍第26項 或諸多參考字串内，擷取由該 並且 供重建出該目標播案。 之方法，其中該其一或諸多參

   本紙張尺度適用巾國國家標準(Cns) A4規格(21Q><297公复) 517204 A8 B8 , C8 考子串包含該電腦所利用的諸樓案。 如申明專利範圍第26項之方法，其中讀出數码包含將 該其一或諸多參考字串之諸壓縮識別子予以解碼。 29^申請專利範圍第％項之方法，其中擷取諸片段包含 項出一長度值和在一字串内之位移值的一序列符號， 而該字串係由該等數碼其中一項所標示。 & 30·:申請專利範圍第26項之方法，其中該壓縮槽案進一 Y更包3 —源於該目標檔案之未經編碼的字元子字串 ，且其中鏈接所擷取之諸片段包含按所擷取之片段來 鏈接該未經編碼子字串。 31·:種用以壓縮一目標符號字串之裝置，其中包括一壓 縮處理器，該者經調適俾以接收一組由電腦所收存之 參考字串的識別資料：俾以將該目標字串内諸多連續 性子子串比對到在其一或多個參考字串内所尋得之各 個片&，俾以將各個片段標示子指配給諸子字串，而 這二子子串可識別出各個彼等所屬相符之片段；並且 俾以輸出一既經排序之標示子列表。 32.如申請專利範圍第31項之裝置，其中該參考字串集合 包含識別該電腦所使用之諸多檔案的集合。 如申响專利範圍第32項之裝置，其中這些檔案與該電 月1¾的作業平台相關。 34. 如申請專利範圍第32項之裝置，其中這些檔案包含程 式檔案與求救檔案至少一者。 35. 如申請專利範圍第31項之裝置’其中該處理器係經調 -28- Μ 7204 AS Β8

   適以對於各個子丰.电盖温太 — 子串寸付在參考字串中的個別片段， 糟此將子字串長度最大化。 3 6 ·如申請專利範圍第 、 靶固弟31項之裝置，#中該處理器係經調 適以壓縮該排序列表。 37.如申請專利範圍第31項之裝置，其中該處理器係經進 ν凋適以透過通訊鏈路來傳送含有該列表的 檔案。 如申請專利範圍第31項之裝置，其中該參考字串集合 包含識別第一和第二參考字串集合，並且 裝 其中該處理器係經調適以將第一和第二諸多子字串 分別地關聯到第一和第二參考字串集合内的個別合配 片段，且按此指配第一和第二標示子集合，藉以分別 地輸出對應於該等第一和第二參考字串集合之第一和 第_ 一集合裡的第一和第二列表。 線 39·如申請專利範圍第38項之裝置，其中該等第一和第二 參考字串集合係分別地由第一和第二電腦存放，而其 中該處理器係經調適以送出該第一列表給第一電腦， 且送出該第二列表給第二電腦。 40.—種用於資料通訊之伺服器，其中包括一壓縮檔案處 理器，該者經調適俾以接收至少一個參考樓案的識別 資料’該檔案係由該接收電腦所存放，並俾以將一壓 縮樓案傳送至該接收電腦，其中該壓縮檔案係藉由將 該目標檔案内其一或諸多子字串比對於該至少一個參 考檔案的個別片段，以及藉由將其一或諸多子字串替 _____ -29- 本紙張尺度適用中國國家標準(CNS) Α4規格(210X297公釐) C8 C8

   42·如申請專利範圍第4〇項 檔案包含該接收電腦所 一者0 之词服器，其中至少一個參考 ’但非由該送出電腦，所執行 申請專利範圍 換為可識別各個片, ^ 又之片段標示子所產生者，葬士 β 接收電腦可利用該至小y ^〜 精此遠 41.如申請專利範圍第4 u 錢案。 1 _ 負之伺服态，其中至少一個会| 檔案會與該接收雷腺& 個參考 队电^的作業平台相關。 之伺服器’其中至少—個參考 用的程式檔案與求救檔案至少 43·如申請專利範圍第4〇項 檔案與一由該接收電腦 之程式相關。 认如申請專利範圍第40項之词服器，其中該處理器传铖 调適以透過該通訊鏈路以接收來自於該接收電腦的至 少一個參考擋案之識別資料’並且回應於所收到的識 別資料，以選出壓縮檔案俾供傳送。 45.如申請專利範圍第4G項之伺.服器，並包含一健存裝置 ，该者係經調適以存放至少一個參考檔案的拷貝，其 中該處理器係經調適以從該儲存裝置中叫回至少一個 參考檔案，並以利用該叫回檔案來產生一壓縮檔案。 46·如申請專利範圍第4〇項之伺服器，其中至少一個參考 檔案包含分別由該第一和第二接收電腦所收存的第一 和第二參考檔案，並且 其中該處理器係經調適以將利用第一參考檔案所產 生之第一壓縮檔案傳送到該第一接收電腦，以及將利 用第二參考檔案所產生之第二壓縮檔案傳送到該第二 -30- 、申請專利範圍 接收電腦。 47.如申凊專利範圍第46項之 、 存放第-與第二塵縮版本之錯；裝：包：：經調適以 係經調適以叫回該既經存放、太J該處理器 業。 縮版本以供其傳輸作 优一種用以將屋縮檀案予以解屬縮之 經排序之數碼列表，標：者包卜 個別片段，彼等片段相符於：目二串内的 串，該裝置包括： 払檔案内的各個子字 以Γ存裝置，經調適以收存其-或諸多參考字串; 該…讀出數碼， 之參考字串所標… 鏈接所操取之片段俾供重建出該目標樓宰以 49. 二申：專㈣圍第48項之裝置，其中該其-或諸多擋 案L έ 5亥電腦所使用之樓案。 50. 口種用以堡縮-目標符號字串之電腦軟體產品，該產 13 ,、中存放有各項程式指令之電腦可讀取媒體 ，而當由-電腦讀出時，這些指令可令該電腦接收_ 組由電腦所收存之參考字串的識別資料；令以將該目 標字串内諸多連續性子字串比對到在其一或多個參考 字串内所尋得之各個片段；令以將各個片段標示子指 配給諸子子串’而這些子字串可識別出各個彼等所屬 -31 - 本紙張尺度適财a g家標準(CNS) A4規格(210X297公釐τ 申請專利範園 51·-料並二令以輪出-既經排序之標示子列表。 中存放相之電腦軟體產品，該產品包含—其 送出電腦“屮t式私令之電腦可讀取媒體，而當由-印罨如項出時，這些指令 *田 —個參考樓案的識別資料，電腦接收至少 存放’並令將該目標檔案内其_:二=電腦所 .諸多子字的個別片段，且令藉由將其-或 縮該目識別各個片段之片段標示子來壓 ，案，亚令以將該壓縮檔案傳送至該接收電 裝 壓縮該樓案。 了利用該至卜個參考檔案來解 訂 52·::ΓΓ壓縮檔案予以解壓縮之電腦軟體產品，該 =有序之數碼列表’標示出由_電腦所收存 於：3二=字串内的個別片段，彼等片段相符 目才示檔案内的各個子字串，該產品包含一豆中存 線 =項程式指令之電腦可讀取媒體，而當由二電腦 項出時，這些指令可令該電腦從該列表中讀出數碼， f且令以從由其-或諸多收存於該儲存裝置内之參考 字串所標示的數碼中插取出諸連續片段，並令以鍵接 所擷取之片段俾供重建出該目標檔案。 -32-