LZW数据压缩算法

LZW算法常用于文本压缩中，尤其是对于重复出现的字符串的文本压缩效果不错。其主要思想是扫描文本，对每个出现的字符，检查其跟前向字符(串)是否能组成一个之前出现过的字符串，如果能那么继续向后扫描；如果不能，则将前向字符(串)转换为一个索引，并将索引写入输出文件中。这样就将文本都用其对应的索引代替写入输出文件中，如果文本中字符串重复越多，那么压缩效果就越好。

先给出代码：

/********************************************************************
	created:	2014/01/06 12:13
	file base:	main
	file ext:	cpp
	author:	[email protected]
	purpose:	实现LZW算法，并测试其压缩效果
*********************************************************************/
#include <vector>
#include <iostream>
#include <fstream>
using namespace std;

#define READ_COUNT (8*1024)
#define RET_OK 0
#define RET_FAIL -1

typedef unsigned short UInt2;

typedef struct st_tb 
{
	char used;//标识该项是否被使用
	unsigned int prev;//前向的下标
	int ch;//当前的字符
}st_tb;
st_tb string_tab[4096] = {0};

int LZW(char *str, int strlen, ofstream *ofile);
int init_string_tab(st_tb *string_tab);
int search_frm_strtab(st_tb *string_tab, unsigned int prev, int ch);

int main(int argc, char *argv[])
{
	char str[READ_COUNT] = {0};
	int len = 0;
	ifstream ifile;
	streampos pos;
	ofstream ofile;
	int ret = 0;

	ifile.open(argv[1], ios_base::in);
	ifile.read(str, READ_COUNT);
	//计算输入文件的大小
	ifile.seekg(0, ios::end);
	pos = ifile.tellg();
	cout<<"file "<<argv[1]<<", size is "<<pos<<"B"<<endl;
    ifile.close();

	ofile.open(argv[2], ios_base::binary|ios_base::in);
	len = strlen(str);
	ret = LZW(str, len, &ofile);
	ofile.seekp(0, ios::end);
	pos = ofile.tellp();
	cout<<"file "<<argv[2]<<", size is "<<pos<<"B"<<endl;
	ofile.close();

	return 0;
}

int init_string_tab(st_tb *string_tab)
{
	int i = 0;

	for (i = 0; i < 258; i++)
	{
		string_tab[i].used = 1;
		string_tab[i].prev = -1;
		string_tab[i].ch = i;
	}
	for(i = 258; i < 4096; i++)
	{
		string_tab[i].used = 0;
	}
	return 0;
}

int search_frm_strtab(st_tb *string_tab, unsigned int prev, int ch)
{
	int i = 0;

	for (i = 258; i < 4096; i++)
	{
		if (string_tab[i].used)
		{
			if (string_tab[i].prev == prev && string_tab[i].ch == ch)
			{
				return i;
			}
		}
	}
	return RET_FAIL;
}

int LZW(char *str, int strlen, ofstream *ofile)
{
    init_string_tab(string_tab);

	int i = 0;
	int str_index = 258;
	int index = 0;
	vector<UInt2> uvec;
	UInt2 uwPrev = str[0];

	uvec.push_back(256);//256通常用来表示开始新的编码表
	for (i = 1; i < strlen; i++)
	{
		index = search_frm_strtab(string_tab, uwPrev, str[i]);
        if (index == RET_FAIL)
        {
			uvec.push_back(uwPrev);

			string_tab[str_index].used = 1;
			string_tab[str_index].prev = uwPrev;
			string_tab[str_index].ch = str[i];

			uwPrev = str[i];
			str_index++;
        }
		else
		{
			uwPrev = index;
		}
	}
	uvec.push_back(uwPrev);
	uvec.push_back(257);

	//开始将转换后的数据写入文件中
	int flag = 0;
	char prevcode = 0;
	/*
	 *	这里写入的数据格式举例如下，连续插入2个数分别为0x0ABC, 0x0abc,这样写入文件后的格式为BCAcab，
	 *每两个数都是以这种方式写入的
	 */
	for (vector<UInt2>::iterator it = uvec.begin(); it != uvec.end(); it++)
	{
		UInt2 code = *it;

        if (flag == 0){
			char ch = code & 0xFF;
			ofile->write(&ch, 1);
			prevcode = (code >>4) & 0xF0;
			flag = 1;
        } 
        else{
			char ch = (code &0x0F) | prevcode;
			ofile->write(&ch, 1);
			flag = 0;
        }
	}
	if (flag == 0){
		char ch = prevcode & 0xF0;
		ofile->write(&ch, 1);
	}

	return RET_OK;
}

测试结果如下：

1.文件中内容为

执行程序后，

D:\用户目录\Documents\Visual Studio 2008\Projects\LZW\Debug>LZW.exe ../LZW/input.txt ../LZW/output
file ../LZW/input.txt, size is 285B
file ../LZW/output, size is 97B

2.将文件中内容再增大一倍

执行程序后，

D:\用户目录\Documents\Visual Studio 2008\Projects\LZW\Debug>LZW.exe ../LZW/input.txt ../LZW/output
file ../LZW/input.txt, size is 572B
file ../LZW/output, size is 155B

从以上对比看来，当文本中重复的字符串越多时，压缩比越高

文章参考于点击打开链接