文件压缩 1

文件压缩：ZIP
1.什么是文件压缩？

    数据压缩是指在不丢失有用信息的前提下，缩减数据量以减少存储空间，提高其传输、存储和处理效率，
或按照一定的算法对数据进行重新组织，减少数据的冗余和存储的空间的一种技术方法。

2.为什么需要对文件进行压缩？

	a.文件太大，为了节省空间
	b.提高数据在网络上传输的效率
	c.压缩之后，对文件可以起到加密的作用。在文件传输的过程中更安全

3.文件压缩分类？

	a.有损压缩：解压缩之后不能将其还原成与源文件完全相同的格式。解压缩之后的文件虽然有损，但是在识别文件内容的时候，基本没有障碍。
		举例：看电影的时候，有表情，高清，蓝光。视频文件进行了分类，虽然视觉有体验差异，但是并没有影响对信息的获取
	b.无损压缩：源文件被压缩之后，通过解压工具如果能够还原成和源文件完全相同的形式

4.如何进行压缩？

GZIP压缩算法经历了两个阶段
	第一个阶段使用改进的LZ77压缩算法对上下文中的重复语句进行压缩
	第二阶段，采用huffman编码思想对第一阶段压缩完成的数据进行字节上的压缩，从而实现对数据的高效压缩存储。

	对于一些文件来说可以通过一定的算法，来达到压缩的目的。
	GZIP:GZIP就是L7ZZ的变形 + 基于哈夫曼编码的压缩
	L7ZZ变形：原理就是将重复出现的语句用距离长度对来替换
		举例：	对mnoabczxyuvwabc123456abczxydefgh进行压缩
				压缩结果：mnoabczxyuvw(9,3)132456(18,6)defgh
		括号中数字的意思就是在距离现在9个字符的位置，往后数有3个字符重复
	所以说现在的问题就是如何从一个长的文件中找到尽可能多的字符？假如使用的是STL中的字符匹配，
	时间复杂度太大，所以有别的查找算法。在第一步压缩结束的情况下，再进行基于哈夫曼编码的再次压缩

	L7ZZ:是基于语句的压缩。
	哈夫曼编码是基于字节的压缩。

了解：L7ZZ压缩算法简单介绍

GZIP中哈夫曼思想:

       通过前面LZ77变形思想对源数据进行语句的重复压缩之后，语句层面的重复性已经解决，但并不代表压缩效果已经
达到最佳，字节层面可能也有大量重复的。比如："BCDCDDBDDCADCBDC"

       一个字节占8个比特位，那如果能对所有字节找到小于8个比特位的编码，然后用找到的编码对源文件中对应字节重
新进行改写，也可以让源文件更小。

1.静态等长编码

根据静态等长编码压缩方式将"BCDCDDBDDCADCBDC"压缩后为01101110 11110111 11100011 10011110，压缩完成后的结果只占4个字节
2.动态不等长编码：

使用不等长编码对源数据进行压缩：10111011 00101001 11000111 01011，最后还比登长压缩，多压缩了三个比特位，效果比等长压缩，更好一点。

获取哈夫曼编码：

现在问题就是，如何根据需要压缩的文件，获取哈夫曼编码树，再由哈夫曼编码树确定不等长编码？

huffman树构建

1. 由给定的n个权值{ w1, w2, w3, … , wn}构造n棵只有根节点的二叉树森林F={T1, T2 , T3, … ,Tn},
每棵二叉树Ti只有一个带权值wi的根节点，左右孩子均为空。
2. 重复以下步骤，直到F中只剩下一棵树为止

	a.在F中选取两棵根节点权值最小的二叉树，作为左右子树构造一棵新的二叉树,新二叉树根节点的权值为其左右子树根节点的权值之和
	b.在F中删除这两棵二叉树
	c.把新的二叉树加入到F中

问题：如果不等长编码中出现一个编码是另一个编码的前缀怎么办？该情况是否会出现？

肯定不会，因为每个叶子节点都是唯一的，通往叶子结点的路径也是唯一的。