1. 前文回顾
在字符串算法—数据压缩中,我们介绍了哈夫曼压缩算法(Huffman compression),本文将介绍LZW算法。
2. LZW算法
这个算法很简单,为了方便讲述,我们将采用16进制,写代码的时候在把它转回2进制就是了。
在16进制下:A:41; B:42; C:43; D:44;......
从例子入手:
压缩表是边读数据边建立起来的,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:
第一个字符为A, A在压缩表里已存在,值是41;
下一个字符为B,B在压缩表里已存在,值是42;
前一个字符A与这个字符B结合成AB,给它一个值:81;(为什么是81?因为41~79都被字母用了)
把AB加到压缩表里:
下一个字符为R,R在压缩表里已存在,值是52;
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:
下一个字符为A,A在压缩表里已存在,值是41;
前一个字符R与这个字符A结合成RA,给它一个值:83,加到压缩表中:
如此类推,一直到D那里:
下一个字符为A, A在压缩表里已存在,但下下一个字符为B,它们两组合而成的AB也在压缩表里,我们取含字符最多的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:
下一个字符为R, R在压缩表里已存在,但下下一个字符为A,它们两组合而成的RA也在压缩表里,我们取含字符最多的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:
下一个字符为B, B在压缩表里已存在,但下下一个字符为R,它们两组合而成的BR也在压缩表里,我们取含字符最多的BR;
前一个字符串RA与这个字符串的首字符B结合成RAB,给它一个值:89,加到压缩表中:
下一个字符为A, A在压缩表里已存在,但下下一个字符为B,它们两组合而成的BR也在压缩表里; 但下下下一个字符为R,它们三组合而成的ABR也在压缩表里,我们取含字符最多的ABR;
前一个字符串BR与这个字符串的首字符A结合成BRA,给它一个值:8A,加到压缩表中:
下一个字符为A, A在压缩表里已存在,值为41;
前一个字符串BRA与这个字符A结合成ABRA,给它一个值:8B,加到压缩表中:
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X1(假设X是由X1X2X3...XN组成)结合成ABX1,给它一个值:83,加到压缩表中:
即X=ABX1, X1是X的首字符(ABX1的首字符),即X1=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: