调查最先进 XML 压缩技术.pdfVIP

页码，1/ 11 调查最先进的 XML 压缩技术 查识别 （或不识别） XML 且您可以查询 （或不查询）的数据压缩器 简介：XML 认为是数据表示和通过万维网交换数据的标准。XML 拥有极大的灵活性并获得了广泛认可，但它 有一个缺点，即 XML 文档较大。这种尺寸意味您传输、处理、存储和查询的信息量通常大于其他数据格式。您 可以从多个 XML 压缩技术进行选择来处理这些问题。本文提供了对最先进的 XML 压缩技术的概述。 标记本文！ 发布日期：2011 年 9 05 日 级别： 中级 原创语言：英文 简介 常用缩略语 l CDATA ：字符数据 l DTD ：文档类型定义 l GPS：全球定位系统 l HTML：超文本标记语言 l PPM：根据部分匹配预测 l SAX ：XML 的简易 AP I l W3C：万维网联盟 l XML：可扩展标记语言 XML 是因为 HTML 和万维网的广泛普及而出现的最有用、最重要的技术之一。XML 解决了许多问题，因为它可 以在不同的架构之间提供中立的数据表示，通过最少的努力弥补软件系统之间的差距，并存储大量的半结构化数 据。 XML 通常 称为自我描述的数据，因为它 设计为对文档中的每个记录使用重复的模式。这种自我描述功能为 XML 提供了巨大的灵活性，但是也引入了 XML 文档过于冗长的问题，这会造成文档较大。由于 XML 的使用率 在不断增长，而且大型 XML 文档信息库目前也 常普遍，所以对高效 XML 压缩工具的需求 常大。 图 1 说明了使用 XML 压缩器减少通过网络传输 XML 数据的成本这一优势。为了解决大型 XML 文档的大小问 题，许多 XML 感知的压缩器利用众所周知的 XML 文档的结构，使得压缩比率优于一般的文本压缩器的比率。 XML 压缩工具的众多优势包括减少数据交换所需的网络带宽，减少存储所需的磁盘空间，并最大限度地降低了 处理和查询 XML 文档的主要内存要求。 图 1. 使用 XML 压缩器通过网络传输 XML 数据的优势示例 页码，2/ 11 从原则上说，XML 压缩器可以根据两个主要特点进行分类。图 2 说明了第一种分类，这种分类基于对 XML 文 档结构的感知。根据这种分类，压缩器可分为两大类： l 一般的文本压缩器。由于 XML 数据是以文本文件的形式进行存储的，因此压缩 XML 文档的第一种逻 辑方法是采用传统的通用文本压缩工具 （例如：gzip、bzip2）。这种 XML 压缩器是与 XML 无关的， 也就是说，它们将 XML 文档用作普通的纯文本文件，因此采用的是传统的文本压缩技术。 l XML 感知压缩器。这种压缩器旨在利用对 XML 文档结构的感知，实现比一般文本压缩器更好的压缩比 率。这组压缩器可以根据压缩器对如下所示的 XML 文档的模式信息可用性的依赖性进行进一步分类： ¡ 依赖模式的压缩器。编码器和解码器都必须能够访问文档模式信息，以实现压缩流程 （如： rngzip）。 ¡ 独立于模式的压缩器。不要求模式信息的可用性便可实现编码和解码流程 （如：XMill、 SCMPPM）。 图 2. 根据其对 XML 文档结构的感知对 XML 压缩器进行的分类 图 3 说明了对 XML 压缩器进行的第二种分类，基于压缩器支持以下查询的能力： 页码，3/ 11 l 非可查询 （归档）XML 压缩器。这种 XML 压缩器不允许通过 压缩的格式 （例如：gzip、bzip2、 XMill）处理查询。这类压缩器主要侧重于实现最高的压缩比。在默认情况下，通用文本压缩器是 可查 询压缩器组。 l 可查询 XML 压缩器。这种 XML 压缩器允许通过其 压缩的格式处理查询。这种压缩器的压缩比通常 比归档 XML 压缩器的压缩比差。这类压缩器主要侧重于避免在查询过程中进行完整