我正在尝试实现 LZ77 压缩算法并遇到了这个问题。
我正在逐字节压缩输入(可以是任何二进制文件,而不仅仅是文本文件),我使用 3 个字节来表示对先前子字符串的指针/引用。指针的第一个字节始终是一个转义字符,b"\xCC",为了简单起见,假设它是 C。
我所知道的使用转义字符的“标准”方式是,您正常编码所有其他字符,并转义与转义字符具有相同值的文字。所以'ABCDE'编码为'ABCCDE'。
问题在于,指针的值可能是“CCx”,其中第二个字节可能是“C”并使指针与转义文字“CC”无法区分,这会导致问题。
我该如何解决?或者做 LZ77 的正确/标准方法是什么?谢谢!
最佳答案
要使 LZ77 有用,它后面需要一个熵编码器。正是在该步骤中,您将符号编码为压缩数据中的位。
一种方法是定义 258 个符号,其中 256 个用于文字字节,一个表示匹配的长度和距离,一个表示流结束。
或者您可以执行 deflate 所做的操作,即同时对长度和文字进行编码,以便该符号解码为文字字节或长度,其中长度表示后面是距离代码。
或者你可以像 brotli 那样做,即定义“插入和复制”代码,它给出文字的数量,然后是那么多的文字代码,然后是复制长度和距离。
或者您可以自己发明。
关于algorithm - LZ77 和转义字符,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52809319/