python压缩算法_图文详解LZ77压缩算法编码Python实现原理

前言

LZ77算法是无损压缩算法，由以色列人Abraham Lempel发表于1977年。LZ77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。鉴于其在数据压缩领域的地位，本文将结合图片和源码详细介绍其原理。

首先介绍几个专业术语。

1.lookahead buffer(不知道怎么用中文表述，暂时称为待编码区):

等待编码的区域

2. search buffer：

已经编码的区域，搜索缓冲区

3.滑动窗口：

指定大小的窗，包含“搜索缓冲区”(左) + “待编码区”(右)

接下来，介绍具体的编码过程：

为了编码待编码区， 编码器在滑动窗口的搜索缓冲区查找直到找到匹配的字符串。匹配字符串的开始字符串与待编码缓冲区的距离称为“偏移值”，匹配字符串的长度称为“匹配长度”。编码器在编码时，会一直在搜索区中搜索，直到找到最大匹配字符串，并输出(o, l )，其中o是偏移值， l是匹配长度。然后窗口滑动l，继续开始编码。如果没有找到匹配字符串，则输出(0, 0, c)，c为待编码区下一个等待编码的字符，窗口滑动“1”。算法实现将类似下面的：while( lookAheadBuffer not empty )

{

get a pointer (position, match) to the longest match

in the window for the lookAheadBuffer;

output a (position, length, char());

shift the window length+1 characters along;

}

主要步骤为：

1.设置编码位置为输入流的开始

2.在滑窗的待编码区查找搜索区中的最大匹配字符串

3.如果找到字符串，输出(偏移值， 匹配长度)， 窗口向前滑动“匹配长度”

4.如果没有找到，输出(0, 0, 待编码区的第一个字符)，窗口向前滑动一个单位

5.如果待编码区不为空，回到步骤2

描述实在是太复杂，还是结合实例来讲解吧

实例：

现在有字符串“AABCBBABC”，现在对其进行编码。

一开始，窗口滑入如图位置

由图可见，待编码缓冲区有“AAB”三个字符，此时搜索缓冲区还是空的。所以编码第一个字符，由于搜索区为空，故找不到匹配串，输出(0,0, A),窗口右移一个单位，如下图

此时待编码区有“ABC”。开始编码。最先编码”A”，在搜索区找到”A”。由于没有超过待编码区，故开始编码”AB”，但在搜索区没有找到匹配字符串，故无法编码。因此只能编码”A”。

输出(1, 1)。即为相对于待编码区，偏移一个单位，匹配长度为1。窗口右滑动匹配长度，即移动1个单位。如下图

一样，没找到，输出(0, 0, B),右移1个单号，如下图

输出(0， 0， C),右移1个单位，如下图

输出(2, 1),右移1个单位，如下图

输出(3, 1)， 右移1个单位，如下图

开始编码”A”，在搜索缓冲区查找到匹配字符串。由于待编码缓冲区没有超过，继续编码。开始编码”AB”,也搜索到。不要停止，继续编码“ABC”，找到匹配字符串。由于继续编码，则超过了窗口，故只编码“ABC”，输出(5, 3),偏移5，长度3。右移3个单位，如下图

此时待编码缓冲区为空，停止编码。

最终输出结果如下

class Lz77:

def init(self, inputStr):

self.inputStr = inputStr #输入流

self.searchSize = 5 #搜索缓冲区(已编码区)大小

self.aheadSize = 3 #lookAhead缓冲区(待编码区)大小

self.windSpiltIndex = 0 #lookHead缓冲区开始的索引

self.move = 0

self.notFind = -1 #没有找到匹配字符串

#得到滑动窗口的末端索引

def getWinEndIndex(self):

return self.windSpiltIndex + self.aheadSize

#得到滑动窗口的始端索引

def getWinStartIndex(self):

return self.windSpiltIndex - self.searchSize

#判断lookHead缓冲区是否为空

def isLookHeadEmpty(self):

return True if self.windSpiltIndex + self.move> len(self.inputStr) - 1 else False

def encoding(self):

step = 0

print("Step Position Match Output")

while not self.isLookHeadEmpty():

#1.滑动窗口

self.winMove()

#2. 得到最大匹配串的偏移值和长度

(offset, matchLen) = self.findMaxMatch()

#3.设置窗口下一步需要滑动的距离

self.setMoveSteps(matchLen)

if matchLen == 0:

#匹配为0，说明无字符串匹配，输出下一个需要编码的字母

nextChar = self.inputStr[self.windSpiltIndex]

result = (step, self.windSpiltIndex, '-', '(0,0)' + nextChar)

else:

result = (step, self.windSpiltIndex, self.inputStr[self.windSpiltIndex - offset: self.windSpiltIndex - offset + matchLen], '(' + str(offset) + ',' + str(matchLen) + ')')

#4.输出结果

self.output(result)

step = step + 1 #仅用来设置第几步

#滑动窗口(移动分界点)

def winMove(self):

self.windSpiltIndex = self.windSpiltIndex + self.move

#寻找最大匹配字符并返回相对于窗口分界点的偏移值和匹配长度

def findMaxMatch(self):

matchLen = 0

offset = 0

minEdge = self.minEdge() + 1 #得到编码区域的右边界

#遍历待编码区，寻找最大匹配串

for i in range(self.windSpiltIndex + 1, minEdge):

#print("i: %d" %i)

offsetTemp = self.searchBufferOffest(i)

if offsetTemp == self.notFind:

return (offset, matchLen)

offset = offsetTemp #偏移值

matchLen = matchLen + 1 #每找到一个匹配串，加1

return (offset, matchLen)

#入参字符串是否存在于搜索缓冲区，如果存在，返回匹配字符串的起始索引

def searchBufferOffest(self, i):

searchStart = self.getWinStartIndex()

searchEnd = self.windSpiltIndex

#下面几个if是处理开始时的特殊情况

if searchEnd < 1:

return self.notFind

if searchStart < 0:

searchStart = 0

if searchEnd == 0:

searchEnd = 1

searchStr = self.inputStr[searchStart : searchEnd] #搜索区字符串

findIndex = searchStr.find(self.inputStr[self.windSpiltIndex : i])

if findIndex == -1:

return -1

return len(searchStr) - findIndex

#设置下一次窗口需要滑动的步数

def setMoveSteps(self, matchLen):

if matchLen == 0:

self.move = 1

else:

self.move = matchLen

def minEdge(self):

return len(self.inputStr) if len(self.inputStr) - 1 < self.getWinEndIndex() else self.getWinEndIndex() + 1

def output(self, touple):

print("%d %d %s %s" % touple)

if name == "main":

lz77 = Lz77("AABCBBABC")

lz77.encoding()

只是简单的写了下，没有过多考虑细节，请注意，这不是最终的代码，只是用来阐述原理，仅供参考。输出结果就是上面的输出(格式由于坑爹的博客园固定样式，代码位置有偏移，请注意