Gzip源代码分析（二）

LZ77算法的实现

LZ77算法其实就是一个字符串匹配的算法。就是要顺序扫描待压缩文件的每一字节，查找当前这一字节开头的串（以下称“当前串”，当前串起始地址确定，但长度不确定）是否在已扫描过的文本中出现过，以及出现的位置。

为了快速查找当前串的匹配串，需要一张哈希表来记录之前出现的字符串的位置。但是这张哈希表可能非常之庞大。因为，单是从某一字节开始的串就有长度从1，2,3，……的一系列串， 要是待压缩文件又很大，处理到最后可能哈希表的规模会爆炸性增长。

所以，必须做一些限制。

一个限制是哈希表只记录固定长度（比如3字节长）的串的位置，不过这个限制其实并不影响更长串的匹配。因为通过哈希表至少已经能找到一些可能匹配的串的起始位置了，然后再做逐字节的匹配，直到不能匹配为止，匹配的长度越长越好。

另一个限制是，只匹配当前字符串之前W个字节范围内的串，这段随着扫描向前移动的W字节范围，就是所谓的滑动窗口。由于匹配只在滑动窗口范围内进行，所以压缩效果会略受影响。

第一个限制中的“固定长度”，也叫做“最小匹配长度”。如果滑动窗口大小已经确定下来，那么这个最小匹配长度也就能计算出来。

因为匹配只在滑动窗口中进行，匹配距离最大也就是W；既然是压缩，用（距离，长度）代替当前串后应该比原来占的空间少才行，直观上想象，匹配长度越长，压缩的效果就越好，反之，匹配长度越小，压缩效果就越差，当匹配长度小于某个值时，完全起不到压缩作用。如果匹配长度用L表示，并且假设（距离，长度）在上下文中能自说明，即不需要用额外的描述符标明这是一个（距离，长度