[发明专利]中文网页数据编码、解码方法及系统

权利要求书

1.一种中文网页数据编码方法，包括：

从所获取的要被压缩的中文网页数据的第一个字符开始，重复执行下述过程，直到该所获取的中文网页数据全部替换成Unicode编码为止：

从当前处理的中文网页数据的第一个字符开始，根据预先设置的词库，对该中文网页数据进行分词处理，以确定是否存在与预先设置的词库中的词匹配的以该第一个字符开始的分词；

在存在与预先设置的词库中的词匹配的以该第一个字符开始的分词时，在当前要被压缩的中文网页数据中，利用与该分词匹配的词的对应Unicode编码替换该分词，或者在不存在与预先设置的词库中的词匹配的以该第一个字符开始的分词时，在当前要被压缩的中文网页数据中，利用该第一个字符的Unicode编码替换该第一个字符；以及

从当前处理的中文网页数据中去除已经被替换成Unicode编码的部分，作为下一当前处理的中文网页数据。

2.如权利要求1所述的中文网页数据编码方法，其中，所述词库中的每个词被预先分配Unicode码位空间中的私有空间或保留空间中的一个Unicode编码。

3.如权利要求1所述的中文网页数据编码方法，其中，所确定出的与词库中的词匹配的以当前处理的中文网页数据中的第一个字符开始的分词是以该第一个字符开始的能够与词库中的词匹配的最长分词。

4.如权利要求1所述的中文网页数据编码方法，其中，所述词库中的词按照词频进行排列，并且按照排列顺序为所述词分配Unicode编码，

其中，所述词优先分配所述私有空间中的Unicode编码，以及在所述私有空间中的Unicode编码被全部分配后，分配所述保留空间中的Unicode编码。

5.如权利要求4所述的中文网页数据编码方法，其中，所述私有空间包括一个位于基本平面的私有空间以及两个位于补充平面的私有空间，位于基本平面的私有空间的Unicode编码占用三个字节，以及位于补充平面的私有空间的Unicode编码占用四个字节，所述词优先分配位于基本平面的私有空间中的Unicode编码，以及在所述位于基本平面的私有空间的Unicode编码被全部分配后，分配所述位于补充平面的私有空间中的Unicode编码。

6.如权利要求5所述的中文网页数据编码方法，其中，所述保留空间中的Unicode编码按照从后至前的顺序分配。

7.如权利要求1所述的中文网页数据编码方法，其中，所述中文网页数据采用UTF-8格式传输。

8.一种中文网页数据编码装置，包括：

分词处理单元，用于从当前处理的中文网页数据的第一个字符开始，根据预先设置的词库，对该中文网页数据进行分词处理，以确定是否存在与预先设置的词库中的词匹配的以该第一个字符开始的分词；

编码单元，用于在存在与预先设置的词库中的词匹配的以该第一个字符开始的分词时，在当前要被压缩的中文网页数据中，利用与该分词匹配的词的对应Unicode编码替换该分词，或者在不存在与预先设置的词库中的词匹配的以该第一个字符开始的分词时，在当前要被压缩的中文网页数据中，利用该第一个字符的Unicode编码替换该第一个字符；以及

当前处理数据更新单元，用于从当前处理的中文网页数据中去除已经被替换成Unicode编码的部分，作为下一当前处理的中文网页数据，

其中，从所获取的要被压缩的中文网页数据的第一个字符开始，重复执行所述分词处理单元、编码单元和当前处理数据更新单元的处理过程，直到该所获取的中文网页数据全部替换成Unicode编码为止。

9.一种中间服务器，包括如权利要求8所述的中文网页数据编码装置。

10.一种中文网页数据解码方法，包括：

从中间服务器接收按照权利要求1所述的中文网页数据编码方法编码后的Unicode编码流；以及

根据移动终端中预先设置的词库，将所接收的Unicode编码流解码为对应的中文网页数据，

其中，所述移动终端中预先设置的词库与中间服务器中预先设置的词库相同。