LZW 编解码算法实现与分析

词典编码的思路：常见的数据文件如文本文件、图像、源代码文件等，数据本身包含有重复字符这个特性。如果用一些简单的代号代替这些字符，就可以实现压缩。字符串与代号的对应表就是词典。
提出的问题：
1.词典是如何形成的？
在编码端动态生成，解码端根据索引号动态同步建立词典。编解码端预置单字符词条。
2.新词条怎么形成的，与已有词条是否有关系
以下介绍第二类词典编码——LZW:

LZW编码原理

（1）LZW的编码思想是不断地从字符流中提取新的字符串，通俗地理解为新“词条”，然后用“代号”也就是码字表示这个“词条”。这样一来，对字符流的编码就变成了用码字去替换字符流，生成码字流，从而达到压缩数据的目的。
（2）LZW编码是围绕称为词典的转换表来完成的。LZW编码器通过管理这个词典完成输入与输出之间的转换。LZW编码器的输入是字符流，字符流可以是用8位ASCII字符组成的字符串，而输出是用n位(例如12位)表示的码字流。

（3）LZW编码算法的步骤如下：
步骤1：将词典初始化为包含所有可能的单字符，当前前缀P初始化为空。
步骤2：当前字符C=字符流中的下一个字符。
步骤3：判断P＋C是否在词典中
（1）如果“是”，则用C扩展P，即让P=P＋C，返回到步骤2。
（2）如果“否”，则
输出与当前前缀P相对应的码字W；
将P＋C添加到词典中；
令P=C，并返回到步骤2

LZW解码原理

LZW解码算法开始时，译码词典和编码词典相同，包含所有可能的前缀根。具体解码算法如下：
步骤1：在开始译码时词典包含所有可能的前缀根。
步骤2：令CW：=码字流中的第一个码字。
步骤3：输出当前缀-符串string.CW到码字流。
步骤4：先前码字PW：=当前码字CW。
步骤5：当前码字CW：=码字流的下一个码字。
步骤6：判断当前缀-符串string.CW 是否在词典中。
（1）如果”是”，则把当前缀-符串string.CW输出到字符流。
当前前缀P：=先前缀-符串string.PW。
当前字符C：=当前前缀-符串string.CW的第一个字符。
把缀-符串P+C添加到词典。
（2）如果”否”，则当前前缀P：=先前缀-符串string.PW。
当前字符C：=当前缀-符串string.CW的第一个字符。
输出缀-符串P+C到字符流,然后把它添加到词典中。
步骤7：判断码字流中是否还有码字要译。
（1）如果”是”，就返回步骤4。
（2）如果”否”，结束。

实验步骤

1．首先调试LZW的编码程序，以一个文本文件作为输入，得到输出的LZW编码文件。
（1）以下为输入的文本文件：

输入命令行参数，调试程序

可得输出的LZW编码文件：

2.以实验步骤一得到的编码文件作为输入，编写LZW的解码程序。

int DecodeString( int start, int code){
   
	int count;  //count标记数组下标
	count = start;
	while (0 <= code) //code为-1时，到达树根节点，循环结束
	{
     
		d_stack[count] = dictionary[code].suffix;  /*将下标为code节点中的新字符放置于数组相应位置*/
		code = dictionary[code].parent;  //节点上移至母节点处
		count++;  //数组下标增加1
	}
	return count;//返回字符串长度
}

void LZWDecode( BITFILE *bf, FILE *fp)
{
   
	int character;             //新或旧编码的第一个字符
	int new_code, last_code;   //new_code为码流中下一个码字（新码字），last_code为上一个解码码字（旧码字）
	int phrase_length;         //输出字符串长度
	unsigned long file_length; //输入文件长度
	file_length = BitsInput(bf, 4 * 8);  //读取输入的待解码文件大小
	if (-1 == file_length) file_length = 0;
	InitDictionary();   //初始化词典，预置0~255单字符词条
	last_code = -1;     //初始时上一个解码码字为空
	while (0 < file_length) {
     //解完最后一个码字后退出循环
		new_code = input(bf);  //读入新码字
		if (new_code >= next_code) {
    // 新码字不在词典中
			d_stack[0] = character;  //character为上一个码字对应字符串的第一个字符，将其放入d_stack栈数组顶部d_stack[0]中
			phrase_length = DecodeString(1, last_code);//遍历上一个码字last_code所在树，将last_code对应的字符串放入d_stack栈数组中，返回字符串长度
		}
		else {
   //新码字在词典中
			  //遍历新码字new_code所在树，将new_code对应字符串放入d_stack栈数组中,返回字符串长度
			phrase_length = DecodeString(0, new_code); 
		}
		character = d_stack[phrase_length - 1];//若新码字在词典中，character为新码字对应字符串的第一个字符；若新码字不在词典中，character为上一个码字对应字符串的第一个字符
		while (0 < phrase_length) {
    //若新码字在词典中，输出新码字对应字符串；若新码字不在词典中，输出上一个码字对应的字符串+上一个码字对应字符串的第一个字符
			phrase_length--;
			fputc(d_stack[phrase_length], fp);
			file_length--;//待解码文件长度-1
		}
		if (MAX_CODE > next_code) {
   
			/*当新码字在词典中，将上一个码字对应的字符串 + 新码字对应字符串的第一个字符添加到词典中；
			当新码字不在词典中，将上一个码字对应的字符串 + 上一个码字对应字符串的第一个字符添加到词典中*/
			AddToDictionary(character, last_code);
		}
		last_code = new_code;//新码字变为上一个码字
	}
}

将步骤一得到的编码文件作为输入，得到解码文件如下：

可看出解码后的文件与编码前的原始文本文件一样。

说明当前码字在词典中不存在时应如何处理并解释原因：
当前码字不在词典中只有一种情况：在编码端新词条刚写入就用上了，解码端还没跟上。所以在解码时遇到当前码字不在词典中的情况时，该码字对应的字符串也即是解码的结果应为上一码字对应的字符串+上一码字对应字符串的第一个码字。将该结果作为新词条写入词典中，并输出字符流。再将该码字作为上一个码字，继续解码下一码字。
用PPT上的例子进行测试：

编码后词典增加的词条如下：

以编码后的文件为输入，进行解码，解码端词典新增的词条为：

可验证上述情况。

3.选择至少十种不同格式类型的文件，使用LZW编码器进行压缩得到输出的压缩比特流文件。对各种不同格式的文件进行压缩效率的分析。

对以上文件使用LZW编码器进行压缩得到输出的压缩比特流文件如下：

比较压缩前后文件大小，计算压缩比：

由上可以看出，除了txt文件，其他文件经过lzw编码器编码后反而更大了。lzw编码是用码字去替换字符流，如果文件数据中有较多的重复字符，可以达到较好的压缩效果且形成的词典也较小，比如txt文件。而上述的其他文件可能因为文件中重复字符较少，形成的词典较大，反而达不到文件压缩的效果。

附件：总代码
lzw.c：

/*
 * Definition for LZW coding 
 *
 * vim: ts=4 sw=4 cindent nowrap
 */
#define _CRT_SECURE_NO_WARNINGS
#include <stdlib.h>
#include <stdio.h>
#include "bitio.h"
#define MAX_CODE 65535

struct {
   
	int suffix;
	int parent, firstchild, nextsibling;
} dictionary[MAX_CODE+1];
int next_code;
int d_stack[MAX_CODE]; // stack for decoding a phrase

#define input(f) ((int)BitsInput( f, 16))
#define output(f, x) BitsOutput( f,