伴随着网络技术的飞速发展,XML已经成为了事实上的网络数据表示和传输的标准。从数据库研究的角度来看,XML的查询语言,XML的数据编码和索引结构一直是研究的重点。但是,随着现有XML文档数据量的增加,如何进行高效的存储和管理逐渐成为XML研究领域的研究热点。由于XML文档的自描述性,导致信息冗余,特别是在一些特殊的应用场合,如PDA,Smart phone等网络资源受限的系统中,网络性能受到较大影响。虽然目前很多研究者提出了通过对XML文档进行压缩,来缓解系统负担,但是大部分的压缩方法关注单个文档的压缩,而对文档集合压缩效果较差。本文比较并分析了已有的XML压缩算法在实际使用中的潜在问题,提出了一种新的基于文件差异的XML文档压缩算法:XDrill。XDrill通过对XML文档树进行划分来挖掘文档内部以及文档间的冗余信息,得到了良好的压缩效果。通过对XDrill系统的理论分析以及对实际数据集的测试表明,XDrill在压缩单个文档的性能上与XMill接近,对文档集合的压缩效果明显优于XMill压缩方法。同时,相比已有的XML压缩算法,XDrill支持增量式存储,并可以降低更新操作的系统开销。