基于字典的LZW压缩算法

基于字典的LZW压缩算法

简介

J.Ziv和A.Lempel在1978年首次发表了介绍第二类词典编码算法的文章。在他们的研究基础上，Terry A.Wlch在1984年发表了改进这种编码算法的文章。因此把这种编码方法称为LZW压缩算法。

LZW算法又叫“串表压缩算法”就是通过建立一个字符串表，用较短的代码来表示较长的字符串来实现压缩。 LZW压缩算法是Unisys的专利，有效期到2003年，所以对它的使用已经没有限制了。

重要概念：前缀和后缀

两个重要概念：

• 前缀（prefix）：一个词组的前面一个字符 ，比如 ab,前缀为a，8f前缀为8；

• 后缀（suffix）：反之，为后一个字符，比如 ab,后缀为b，8f后缀为f；

算法

算法流程：

1. 在输入流中读一个字符。
2. 如果当前编码在字典中，则把当前编码的第一个字符作为当前串的后缀，如果当前串不在字典中，就把它加入到字典中，然后把当前编码作为串的前缀，转到第4步。
3. 如果当前编码不在字典中，就把前缀的第一个字符作为后缀，把串加入到字典中，用当前串的编码作前缀，转到第4步。
4. 把前缀放到输出流，转到第1步。

示例

对于字符串ababbacb。初始字典为{a, b, c}。

步骤	前缀	后缀	词	存在对应码	输出	码
1		a	(, a)
2	a	b	(a, b)	no	a	256
3	b	a	(b, a)	no	b	257
4	a	b	(a, b)	yes
5	256	b	(256, b)	no	256	258
6	b	a	(b, a)	yes
7	257	c	(257, c)	no	257	259
8	c	b	(c, b)	no	c	260

把输出来的和最后一个后缀连在一起则是：a,b,256,257,c,b这6个字符，那么就达到了压缩的目的。

对应生成的码表则是：

256	257	258	259	260
(a, b)	(b, a)	(256, b)	(257, c)	(c, b)

解压缩时，将输出字符串按照码表对应转化。a,b,256(ab),257(ba),c,b，即ababbacb，解压成功。