LZW编码的学习与实现

大家好，现在是2020年5月19日，不知不觉5年过去了，看到最近还有很多人评论我的这篇文章，非常的开心和满足，显然我写这篇文章所做的微小贡献帮助到了一些人。今天我从头到尾再看了一遍我写的东西，还是有一些东西没有描述清楚，比如下面第一个表里里面，dictionary 那一列里面的 xx:5，我就一直没明白什么意思。另外，一些朋友在评论区对256，257是怎么来的感到疑惑，我都会对文章做一次修订，将这些内容描述清楚，谢谢大家。

Preface

看了一天，感觉终于搞明白了一点（代码终于写对了），编码过程大四的时候学过一点点，按部就班的按照步骤来做就行了，解码过程貌似课堂上老师没讲，自己看wiki上的讲解和example搞懂了。

LZW全称Lempel–Ziv–Welch，就是这个三个人搞出来的。

LZW的工作思路，考虑一段数据，abcabcabc，对于这样的一段数据，如果不做任何处理和压缩，假设每个字符用一个字节来表示，直接存储的空间应该是9字节。详细说明下：
下表是我们dictionary，也就是码表，字符与编码的对应。

character	decimal	binary
a	1	0000 0001
b	2	0000 0010
c	3	0000 0011

---

观察上面的字符串，发现abc是重复的，如果abc能用一个字节来表示的话，那么，只需要3字节存储就足够了。

character	decimal	binary
abc	1	0000 0001

---

OK，LZW就是这个尿性，它就是想这么搞。

Encoding

基本思想

编码的基本思想是这样的，首先我们有一个码表或者称为dictionary，里面只定义单个字符和编码，比如0-9a-zA-Z这些，其实ASCII码中的所有全部都放进去都可以。

也就是说通常用十进制数0-255来表示单一字符（single character）。

然后我们开始读取字符串，很显然对于任何常规字符串，每个single character都可以得到一个码字，但是如果我们不做处理的话，那么n个字符encode后，就是n个码字了完全没有压缩。

所以，再边读取的时候，一边开始对dictionary进行扩增，不断的将single character拼接成dictionary中不存在的符号（symbol），扩充dictionary，这样下次再次遇到这样的组合，就可以使用有一个码字表示了。

流程

说实话，用纯文字描述还真的不是很好描述，于是我画了一个流程图来描述这样一个过程。

就是上面这个图了，代码只要照着这个写就能搞定问题。但出于尊重，还是要讲解下比较好。
首先我们需要两个暂存器，P和C，为啥叫这个名字呢。（当时上学那会，老师给的是p和s，完全不知道意义）

P -> Previous -> 表示之前的字符
C -> Current -> 表示当前读取的字符

然后我们考虑字符串abcbcabcabcd

来，按步骤演算一下：

首先我们需要一个dictionary，简单考虑，只考虑a-d，4个英文小写字母吧。这里想表达的意思是，整个宇宙全世界只有a-d 4个英文字母，我们的ascii表中也只有 4 个字母。

symbol	decimal
a	1
b	2
c	3
d	4