长度游程编码的JAVA源代码_游程编码（Run Length Code）

一、什么是游程编码

游程编码是一种比较简单的压缩算法，其基本思想是将重复且连续出现多次的字符使用(连续出现次数，某个字符)来描述。

比如一个字符串：

AAAAABBBBCCC

使用游程编码可以将其描述为：

5A4B3C

5A表示这个地方有5个连续的A，同理4B表示有4个连续的B，3C表示有3个连续的C，其它情况以此类推。

原字符串需要12个字符才能描述，而使用游程编码压缩之后只需要6个字符就可以表示，还原回去的时候只需要将字符重复n次即可，这是个原理非常简单的算法。

再来分析一下这个编码的适用场景，前面说过了这个算法的基本思想是将重复且连续出现的字符进行压缩，使用更简短的方式来描述，这种方式是基于柯氏复杂度的，那么什么是柯氏复杂度呢，比如有这么三个字符串，它们的长度都是100，其中第一个是100个A，第二个是99个A和一个B，第三个是100个完全随机的字符，我们想办法用尽可能短的语言来描述原字符串，描述第一个字符串时可以说“这是100个A”，描述第二个字符串可以说“这是99个A，然后是一个B”，但是描述第三个字符串时应该怎么说呢？比较容易想到的是“这是100个随机字符”，看上去似乎没有问题，但是这里一个比较重要的点是描述信息需要符合这么一个条件，当单独给出对字符串的描述时能够根据描述恢复出原字符串的内容，100个A和先99个A然后是一个B可以，但是100个随机字符太笼统了显然不行，这个描述信息的长度就称之为柯氏复杂度，在这个例子中第一个柯氏复杂度最小，第二第三依次次之。

那么在不同情况下这个编码的效果如何呢，假如采用定长1个字节来描述连续出现次数，并且一个字符占用1个字节，那么描述(连续出现次数，某个字符)需要的空间是2个字节，只要这个连续出现次数大于2就能够节省空间，比如AAA占用3个字节，编码为(3,A)占用两个字节，能够节省一个字节的空间，可以看出连续出现的次数越多压缩效果越好，节省的空间越大，对一个字符编码能够节省的空间等于=连续出现次数-2，于是就很容易推出连续出现次数等于2时占用空间不变，比如AA占用两个字节，编码为(2,A)仍然占用两个字节，白白浪费了对其编码的资源却没有达到节省空间的效果，还有更惨的情况，就是连续出现次数总是为1，这个时候会越压越大，比如A占用一个字节，编码为(1,A)占用两个字节，比原来多了一个字节，这种情况就很悲剧，一个1M的文件可能一下给压缩成了2M(真是效果奇佳啊)，这是能够出现的最糟糕的情况，相当于在文件的每一个字节前面都插入了一个多余的字节0X01(这个字节表示连续出现次数为1)，这种情况说明不适合使用游程编码，事实上，绝大多数数据的特征都属于第三种情况，不适合使用游程编码。

二、 压缩文本

本节将尝试使用游程编码对文本进行压缩。

先来写一种最简单的实现，只能压缩英文字母，读取一个字符串，然后一直数出现了多少个连续字符，当重复被打断时就将上一个的重复字符和重复次数记一下，恢复时反之：

#! /usr/bin/python3

# -*- coding: utf-8 -*-

import random

import string

def rle_compress(s):

"""

对字符串使用RLE算法压缩，s中不能出现数字

:param s