LZ77算法理论

发布时间：2023-07-25 14:58:28

英文介绍文档：https://archive.ph/F4pg7
很短，看一遍10～20分钟应该够了。

1. 算法用到的术语：

• Input stream

  • 要被压缩的字符序列

• Character

  • 输入流中的基本数据元素

• Coding position

  • 输入流中现在正在被编码的那个字符的位置（lookhead buffer的开始位置）。

• Lookhead buffer

  • 从coding position到输入流末尾的字符序列。

• Window

  • 大小为W，能够容纳W个字符，从coding position往回数，也就是已经处理的最后W个字符。

• Pointer

  • 指向window中的匹配（点），同时指定了匹配的length。

2. 压缩原理

算法在window中搜寻和lookhead buffer开始处最长的匹配，然后输出一个指向匹配的pointer。

由于可能一个字符都没匹配到，所以输出不可能值包含pointer。LZ77用这样的方式解决这个问题：在每个pointer后，输出在lookhead buffer中匹配了的后面的第一个字符。如果没有匹配，输出一个null-pointer和coding position处的字符。

3. 编码算法

1. 把coding position设置到输入流的开始处

2. 找到window中与lookahead buffer最长的匹配

3. 输出（P, C）对：

   • P 是pointer，指向window中的匹配
   • C是lookahead buffer中第一个未匹配的字符。

4. 如果lookahead buffer不为空，将coding position（和window）前向移动L+1个字符，然后返回到步骤2。

4. 一个例子

编码的过程在下面的表（图）中。

• Step是编码的步数。每次编码算法产生输出算作一步。在LZ77中，发生在编码的第3步。
• Pos指明 coding position。输入流中的第一个字符的coding position为1.
• Match是在window中最长的匹配。
• Char 是lookahead buffer中匹配了的后面第一个字符。
• Output以(B, L) C的格斯打印输出：
  • (B, L)是指向匹配（Match）的pointer（P）。它给出了解码时的指令：在window中往回B个字符处，拷贝L个字符到输出流。
  • C就是字面上的字符。

5. 解码

以在编码时同样的方式维护window。每次读一个（P, C）对时，输出window中P所指的匹配序列，然后输出字符C。

6. 实用特点

这个算法的压缩率对很多类型的数据都很好，但是编码可能相当耗时，因为要做太多的lookahead buffer和window之间的比对。另一方面来说，解码非常简单且快速。编码和解码的内存需求很低。内存中保存的唯一的结构是window，它通常在4 ～ 64K的大小。