LZW 压缩/解压算法

LZW 压缩/解压算法

lzw算法是基于"字节"（这里的字节流并不一定是8bit的，算法对这个没有要求，通常为了处理方便会把这个设为8）流编码的压缩算法，它的主要思想是对整个字符序列片断进行编码，并通过(前序 + 码表)的方式产生字符序列。 lzw最大的优点是它的码表是动态产生的，只要加压表和解压表的状态一致，就能解压。
  
  算法描述：
  压缩  
  STRING  =  get  input  character  
  WHILE  there  are  still  input  characters  DO  
          CHARACTER  =  get  input  character  
          IF  STRING+CHARACTER  is  in  the  string  table  then  
                  STRING  =  STRING+character  
          ELSE  
                  output  the  code  for  STRING  
                  add  STRING+CHARACTER  to  the  string  table  
                  STRING  =  CHARACTER  
          END  of  IF  
  END  of  WHILE  
  output  the  code  for  STRING  
  
  解压缩  
  Read  OLD_CODE  
  output  OLD_CODE  
  CHARACTER  =  OLD_CODE  
  WHILE  there  are  still  input  characters  DO  
            Read  NEW_CODE  
            IF  NEW_CODE  is  not  in  the  translation  table  THEN  
                    STRING  =  get  translation  of  OLD_CODE  
                    STRING  =  CHARACTER ＋ STRING
            ELSE  
                    STRING  =  get  translation  of  NEW_CODE  
            END  of  IF  
            output  STRING  
            CHARACTER  =  last  character  in  STRING  
            add  OLD_CODE  +  CHARACTER  to  the  translation  table  
            OLD_CODE  =  NEW_CODE  
  END  of  WHILE    (对于不同的实现：“ STRING  =  CHARACTER ＋ STRING” 和“CHARACTER  =  last  character  in  STRING  ”，可能需要修改为：“ STRING  =  STRING  + CHARACTER" 和 “CHARACTER  =  first  character  in  STRING ").

  压缩流程：
  
  设置处理的码字位数(其实是计算)
  根据数据中可能存在的符号进行编码，
  假设一共有4个符号：    A    B    C    D
  那么对符号进行编码：  00  01  10  11
  这样码字位数就是2，同时为了表示结束码，那么有效的码字位数至少需要2+1 = 3
          |
  计算传输码字的位数(其实是选择，它的长度>=有效码字的位数)
          |
  根据上面的算法，跟踪一下编码的流程看看(设传输码字的位数为3)
  对于输入序列进行编码: AABCABCAB
  |-------|--------|--------|-------------|-------|------|    |--------|-------|---------|------------|------------|
  |输入  |前序  |组合  |组合编码  |输出  |码字|=>|接收  |前序  |组合    |组合编码  |解压输出|
  |-------|--------|--------|-------------|-------|------|    |--------|-------|---------|------------|------------|
  |  A    | --      | --      | --            |--      |--    |    | --      |  --    | --        | --            |--            |
  |  A    | A      | AA    | 4            |A      |000  |    | 000  |  --    | --        | --            |--            |
  |  B    | A      | AB      | 5            |A      |000  |    | 000  |  A    | AA      | 4            | A          |
  |  C    | B      | BC    | 6            |B      |001  |    | 001  |  A    | AB      | 5            | A          |
  |  A    | C      | CA    | 7            |C      |010  |    | 010  |  B    | BC    | 6            | B          |
  |  B    | A      | AB    | 5            |--      |--      |    |--      | --      | --        | --            | --          |
  |  C    | 8      | 5C    | 8            |5      |101  |    | 101  | C      | C5    | 7            | C          |
  |  A    | C      | CA    | 7            |--      |--      |  |--      | --      | --        | --            | --          |
  |  B    | 7      | 7B    | 9            |7      |111  |  | 111  | 5      | 57      | 8              | AB        |
  | END| B      | --      | --            |B      |001  |  | 001  | 7      | 7B      | 9            | C, A      |
  |----------------------------------------------------|  |END  |  B    |  --      |--              | B          |
                                                                        |--------------------------------------------------|
      
  这个就是完整的处理流程，需要注意的是：
  i. END不一定要发送的，可以通过加解压的有效数据长度来标识是否已经结束
  ii.当组合的编码位数超过有效位数时，例如：如果发现一个新的组合，但是组合编码表已经满时，可以不再进行编码而直接发送当时的编码码字即可，而且重要压缩方和解压方的组合编码表一致，甚至可以清空所有的组合编码表并重新构造。