一种XML文档的数字化方法和系统

本发明公开了一种XML文档的数字化方法，适于XML文档之间相似度比较，包括：S1，提取主干结构树；S2，填充伪节点，统一树型结构；S3，抽取全路径，生成元组串阶段。本发明能够通过提取主干结构树、统一结构树型和元组串转换三个步骤，结合XML文档的结构特征和语义特征，实现了对XML文档的数字化处理，处理过程高效快捷，数字化结果具有相似度检测灵敏性高等特点，可以在复杂网络环境下对海量XML文档进行数字化表示，不仅简化了XML文档本身，而且方便后续的文档分类及应用处理。