详解LZ77字典编码压缩和解压缩流程（典型的压缩算法）

字典编码本质上是将在字典中出现过的字符串使用一个索引值代替，以此来达到压缩目的。基于字典的压缩算法有很多，LZ77和LZ78是最原始的两个算法，后者是前者的变体，原理基本上相似。本文对LZ77字典编码的压缩和解压缩流程进行介绍。

一、什么是LZ77字典编码

LZ77算法是无损压缩算法，由以色列人Abraham Lempel发表于1977年，是典型的基于字典的压缩算法，现在很多压缩技术都是基于LZ77。

LZ77字典编码把整个滑动窗口分为2个区域，左侧为字典区，右侧为待编码区。

LZ77编码器在字典区查找，直到找到匹配的字符串。匹配字符串的开始位置与离字典区右边的距离称为“偏移值”，匹配字符串的长度称为“匹配长度”。LZ77在编码时，会一直在字典区中搜索，直到找到最大匹配字符串，然后输出一个三元祖(off, len, char)，off表示偏移值，len表示匹配长度，char为待编码区第一个等待编码的字符。

偏移值实际上可以有两种，第一种是匹配字符串的开始位置离字典区左边的距离，第二种是匹配字符串的开始位置离字典区右边的距离，一般使用第二种。

二、LZ77编码的压缩流程

在编码前要指定滑动窗口的大小，这里设置为8，其中字典区窗口大小为5，待编码区窗口大小为3。
现在有字符串“AABCBBABC”，现在对其进行编码。
（1）编码开始，窗口初始位置如图

由上图可见，待编码区有“AAB”三个字符，此时字典区为空。现在编码第一个字符A，由于字典区为空，故匹配不到的字符串。当匹配不到字符串时，规定偏移值为0，匹配长度也为0，此时待编码区第一个等待编码的字符为A，故输出(0,0, A)，然后滑动窗口右移一个单位，如下图

（2）如上图可知，此时待编码区为“ABC”。现在编码“A”，在字典区可以匹配到字符串"A"，继续编码“AB”，由于在字典区没有可以匹配到的字符串，无法编码，因此只能编码"A"。
字典区匹配到的“A”的开始位置离字典区右边的距离为1，匹配字符串的长度也为1，待编码区第一个等待编码的字符为A，故输出(1,1,A)，滑动窗口右移一个单位，如下图

（3）继续编码，此时待编码区为“BCB”。现在编码“B”，字典区没有匹配到，无法编码，输出(0,0,B)，滑动窗口右移一个单位，如下图

（4）待编码区为“CBB”，现在编码“C”，字典区没有匹配到，无法编码，输出(0,0,C)，滑动窗口右移一个单位，如下图

（5）待编码区为“BBA”，现在编码“B”，字典区可以匹配到，继续编码“BB”，字典区匹配不到，无法编码，输出(2,1,B)，滑动窗口右移一个单位，如下图

（6）待编码区为“BAB”，现在编码“B”，字典区可以匹配到，继续编码“BA”，字典区匹配不到，无法编码，输出(3,1,B)，滑动窗口右移一个单位，如下图

字典区有从左到右匹配的，上图中字典区第一个“B”离字典区右边的距离为3。

（7）待编码区为“ABC”，现在编码“A”，字典区可以匹配到，继续编码“AB”，字典区也可以匹配到，继续编码“ABC”，字典区能够匹配。待编码区中的字符都编码完了（即编码位置已经达到了待编码窗口右边界，如果继续编码，就会超过窗口边界），输出(5,3,A)，长度3，滑动窗口右移3个单位，如下图

此时待编码缓冲区为空，结束编码。所以，当我们输入字符串“AABCBBABC”最后得到的三元组序列为(0,0, A),(1,1,A),(0,0,B),(0,0,C),(2,1,B),(3,1,B),(5,3,A)

上面是最原始的匹配方法，具体实现时可以进行优化，比如利用字典树(TrieTree)匹配。

三、LZ77编码的解压缩流程

解压缩码相对起来就简单许多了，就是编码流程的逆过程，具体流程如下

1. 按需读取三元组进行，并进行解压
2. 如果off=0，表示原字符，直接输出char
3. 如果off<>0，读取字典中的字符，找到偏移值为off的位置（距离字典右侧的偏移），截止len个字符，比如 dict = “ABCD”，编码为(3,2,E)，找到偏移值为3的位置(即B)，截取2个字符，输出为BC
4. 获取下一个三元组，直到所有的三元组解析完毕

现在，输入三元组序列为(0,0, A),(1,1,A),(0,0,B),(0,0,C),(2,1,B),(3,1,B),(5,3,A)，字典大小为5，具体解压如下：

步骤	输入	当前字典	解码	输出
1	(0,0, A)		A	A
2	(1,1,A)	A	A	AA
3	(0,0,B)	AA	B	AAB
4	(0,0,C)	AAB	C	AABC
5	(2,1,B)	AABC	B	AABCB
6	(3,1,B)	AABCB	B	AABCBB
7	(5,3,A)	ABCBB	ABC	AABCBBABC

参考资料

1. LZ77 压缩和解压缩
2. 压缩算法之字典编码（上）
3. 基于LZ77算法的文件压缩铺垫