VB编码python实现（信息检索）

实验三：可变字节码的编码和解码算法实现

实验目的：

通过实验，使学生掌握索引压缩的可变字节码VB的编码和解码算法。

实验内容：

检索系统中的倒排记录表所占空间巨大，因此索引压缩非常关键，可变字节码VB编码利用整数个字节对间距编码和解码，能够在时间和空间上达到一个非常好的平衡点。本实验通过编程实现这个VB的编码和解码过程。P68

举例

写出倒排记录表（777, 17743, 294068, 31251336）的可变字节编码在可能的情况下对间距而不是文档ID编码。请以8位二进制串的方式写出这些编码。
解答：倒排记录表的间隔序列为（777，16966，276325，30957268）
它们的二进制分别是：(1100001001, 100001001000110, 1000011011101100101, 1110110000101111011010100)
可变字节码：(00000110 10001001 , 00000001 00000100 11000110, 00010000 01101110 11100101, 00001110 01100001 00111101 11010100)

要求

1.VB编码：
输入：倒排记录表
输出：倒排记录表的VB编码
2.VB解码
输入：倒排记录表的VB编码
输出：倒排记录表
编程语言：python

VB编码代码

#输入倒排记录表，输出VB编码
#输入VB编码，输出倒排记录表

###########         VB编码          #############
dp = []
count = 0
while 1:
    tem = input("请输入倒排记录表的第{}项并按下回车，结束请直接回车: ".format(count))
    count += 1
    if(tem == ''):
        break
    else:
        dp.append(bin(int(tem))[2:])


for i in range(len(dp)):
    dp[i] = (7-len(dp[i]) % 7)*'0' + dp[i]  # 先补齐0
    #print(len(dp[i]) // 7)
    tem = list(dp[i])
    #print(tem)
    count = 0
    for j in range(len(dp[i]) // 7):
        if j == len(dp[i]) // 7 - 1:
            tem.insert(7 * j+count, '1')
            #print(tem)
        else:
            tem.insert(7 * j+count, '0')
            count += 1
            #print(tem)
    tem = ''.join(tem)
    #print(tem)
    dp[i] = tem

print(dp)

VB解码代码

dp = []
count = 0
while 1:
    tem = input("请输入倒排记录表的VB编码第{}项并按下回车，结束请直接回车: ".format(count))
    tem = tem.replace(" ", "")
    count += 1
    if(tem == ''):
        break
    else:
        dp.append(tem)


for i in range(len(dp)):
    tem_list = []
    for j in range(len(dp[i])//8):
        tem_list.append(dp[i][j*8: (j+1)*8])
    tem_list = [tem_list[i][1:] for i in range(len(tem_list))]
    for k in range(len(tem_list[0])):#处理一下前面的几位数字0
        if tem_list[0][k] != '0':
            tem_list[0] = tem_list[0][k:]
            break
    tem = ''.join(tem_list)
    # print(tem_list)
    # print(tem)
    # print(int(tem, 2))
    dp[i] = int(tem, 2)
print("解码结果：")
print(dp)
#['00001110', '01100001', '00111101', '11010100']
#00001110 01100001 00111101 11010100