昨天看了下LZSS.C,就是那个4/6/1989 Haruhiko Okumura的经典代码。
很久没有研究算法了,又没有详细的描述,只能从代码和注释里面去理解。还真花了我不少时间。
首先讲解压,LZSS的编码是1 byte的flag,从低到高,如果bit=1,原样输出1 byte,如果bit=0,读取2 byte,输出长度和缓冲区位置保存在这2 byte中。
其实标准的LZSS我还是第一碰到,以前碰到的多是输出长度和回溯距离的组合。LZSS则多了一个缓冲区,一般大小N = 4096(0x1000),也就是12 bits,缓冲区位置占掉了12 bits,那么输出长度就只能占用4 bits。考虑到bit=0时至少要占用2 bytes,所以输出长度为2时刚刚盈亏平衡,所以一般来说输出长度是从3开始的。在代码中THRESHOLD = 2,意思其实是长度必须大于2。这样的话输出长度的范围就是3-18。代码中F = 18,F就是最大的输出长度。
我碰到到是一个改版,N = 0x800,也就是11 bits,输出长度变成了5 bits,THRESHOLD = 1,最后输出长度的范围是2-33。个人觉得THRESHOLD改成1实在是浪费了一个珍贵的输出长度编码。
用了缓冲区和不用缓冲区的区别,我看就是多了一个字符串,就是缓冲区一开始填充的值。LZSS.C中默认填充的是空格,那么大概是专门为文本文件设计的。一般还是填充0比较多。具体怎么回事下面再描述。
缓冲区的大小N