在字符串算法—数据压缩中,介绍了ffdty树(Huffman )的构建和应用(编码、解码)聪明的世界压缩算法) Huffman compression )。 本文介绍LZW算法。
2. LZW算法
这个算法很简单。 为了便于说明,采用十六进制。 写代码时只需恢复为二进制。
在十六进制中,为A:41; B:42; C:43; D:44; …。
从例子开始:
压缩表是一边读取数据一边制作的。 最初,压缩表中的数据是与每个字符对应的十六进制值。 这里不列举,具体可以指定百度26个字符的十六进制数。
首先从第一个数据开始读取:
第一个字符是a,a在压缩表里已经存在,值为41;
下一个字符是b,b在压缩表里已经存在,值为42;
前面的字符a与这个字符b结合成为AB,赋予值: 81; (为什么是81? 因为41~79被字母表使用)
将AB添加到压缩表中:
下一个字符是r,r在压缩表里已经存在,值为52;
前面的字符b与这个字符r结合成为BR,给出值。 82、添加到压缩表中。
下一个字符是a,a在压缩表里已经存在,值为41;
的字符r与该字符a合并为RA,赋予值: 83,添加到压缩表中。
这样,到d地方:
下一个字符是a,a在压缩表里已经存在,但下一个字符是b,将它们组合起来的AB也在压缩表里。 取包含最多字符的AB :
的字符d与此字符串的第一个字符a合并为DA,赋予值: 87,并添加到压缩表中。
下一个字符是r,r在压缩表里已经存在,但下一个字符是a,它们组合的RA也在压缩表里。 取包含最多字符的RA。
前一个字符串AB与该字符串的第一个字符r结合成为ABR,赋予值: 88后添加到压缩表中。
下一个字符是b,b在压缩表里已经存在,但下一个字符是r,它们组合的BR也在压缩表里。 取最含文字的BR。
前一个字符串RA与此字符串的第一个字符b结合成为RAB,赋予值: 89添加到压缩表中。
下一个字符是a,a在压缩表里已经存在,但下一个字符是b,将它们组合起来的BR也在压缩表里; 但是,下一个字符是r,这三个组合的ABR也压缩表里,取含有最多字符的ABR;
上一个字符串BR与该字符串的第一个字符a结合成为BRA,赋予值8A后添加到压缩表中。
下一个字符是a,a在压缩表里已经存在,值为41;
前面的字符串BRA与这个字符a结合成为ABRA,赋予值8B加到压缩中
表中:下一个字符为空,说明数据已经压缩完了,给个值80作为终止标记:
压缩后的数据就是上述的值的组合,压缩表直接删除。
压缩后的数据S:41425241434144818382884180。
压缩的方法讲完了,那么如何解压呢?
我们也是边解压边建表:
现有压缩数据S:41425241434144818382884180。
同样的,一开始,压缩表里的数据为各个字符对应的十六进制值,这里不一一列出,具体可百度26个字母的十六进制。
首先从第一个数据开始读:
第一个值为41,对应字符A:
下一个数据为42,对应字符B;
前一个字符A与这个字符B结合成AB,给它一个值:81,加到压缩表中:
下一个数据为52,对应字符R;
前一个字符B与这个字符R结合成BR,给它一个值:82,加到压缩表中:
如此类推,一直读到81:
下一个数据为81,对应字符串AB;
前一个字符D与这个字符串的首字符A结合成DA,给它一个值:87,加到压缩表中:
下一个数据为83,对应字符串RA;
前一个字符串AB与这个字符串的首字符R结合成ABR,给它一个值:88,加到压缩表中:
如此类推,一直读到80:
下一个数据为80,这是压缩的终止值,说明解压完成了,此时,把压缩表丢掉。
解压后得到原数据S:ABRACADABRABRABRA;
由于我们的压缩表都是动态生成的,我们省了保存它的时间和空间。
解压和压缩都介绍完了,这个算法也就结束了,超级简单!
有时候解压时,会遇到些有趣的情形,如下图:
原数据压缩:
解压时:
下一个数据为81,对应字符串AB;
前一个字符B与这个字符串的首字符A结合成BA,给它一个值:82,加到压缩表中:
下一个数据为83,嗯?83?83不在压缩表里啊,去哪找83?
容我们冷静分析一波:
首先,压缩表去到了82,下一个数据就是83。因为是83,所以肯定是个字符串。(81以上都是我们自己加的字符串!)
假设83对应的字符串为X:
前一个字符串AB与这个字符串的首字符X 1 (假设X是由X 1 X 2 X 3 ...X N 组成)结合成ABX 1 ,给它一个值:83,加到压缩表中:
即X=ABX 1 , X 1 是X的首字符(ABX 1 的首字符),即X 1 =A;
故得知X=ABA:
下一个数据是80,解压完成。解压后的原数据为ABABABA;
至此,LZW算法介绍完毕。
实现代码: