LZ系類壓縮演算法介紹

主要介紹1）簡單字典編碼，2）LZ77字典編碼，3）LZ78字典編碼。

1、簡單字典編碼

這是一種簡單的方法，但是需要遍歷兩次待壓縮的資料。

1.1、實現具體步驟

• 1 讀取待編碼資料，記錄出現過的Byte和出現次數；
• 2 按照概率從高到低，排序記錄的資料；
• 3 排序後的記錄就構成了一個字典，在每個記錄前加上序號長度，000代表長度為1，111代表長度為8.比如第二條記錄，序號為0000 0101，實際長度為3，在1前面加上010。寫入壓縮的符號是010101，總共6個bit。
• 4 第二次遍歷待壓縮的資料，搜尋字典將序號長度+序號寫入壓縮檔案。

1.2、優缺點

• 優點：簡單，解壓所讀快。
• 缺點：壓縮速度慢，需要遍歷兩次，最大隻能有256個元素，壓縮率可能不高。
• 適合：文字壓縮，以Byte為單位。

2、LZ77

2.1、LZ77演算法介紹

LZ77演算法是由Lempel和Ziv在1977年的論文中提出來的，該演算法將輸入流中之前的字元作為字典。編碼器維護一個滑動視窗，輸入字元流從右往左滑動。滑動視窗由兩部分組成，如下圖所示，左邊的是已編碼區域（當前字典），右邊是待編碼區域。已編碼區域長度通常是1000+，待編碼區域通常是數十個位元組。匹配的資料使用三元組來表示（距離，匹配長度，待編碼區下一個符號）

2.1、編碼器工作步驟

• 1 編碼器從右往左搜尋待搜尋區域，尋找和已編碼區域
  第一個符號e相同的符號，找到了easily中的e。
• 2 從第一個匹配字元e向後（右）儘可能尋找連續的匹配字元，得到匹配字串eas，匹配長度為3。
• 3 編碼器繼續往左搜尋，重複步驟1、2.
• 4 使用匹配長度最長的三元組來表示，如果沒有匹配的資料使用(0, 0, 未匹配的字元)表示。

2.1.1 Example

2.2、優缺點

• 優點：解壓速度快。
• 缺點：壓縮速度慢。
• 適用場景：適合於一次壓縮，多次解壓的檔案。

3、LZ78

LZ78演算法是Lempel和Ziv在1978年提出的，LZ78和LZ77兩種演算法在構建字典的思路上完全不同。LZ78沒有使用滑動視窗，通過對已經編碼的資料進行統計，實時更新維護字典。編碼器輸出二元組（字典指標，未編碼的符號），工作編碼過程如下圖所示。

3.1、編碼器工作步驟

• 1 開始編碼，字典是空的，只有一個元素：編號：0；內容：null。
• 2 輸入新元素，查詢字典中相匹配的字元。以上圖為例，1）沒有匹配的字元，如輸入第二個元素i，使用(0，“i”)表示，將符號i新增到字典。2）存在匹配的字元，如第5個元素，輸入元素si，符號s元素前面已經出現過，再輸入i，沒有匹配的資料，編碼器輸出(1, "i")，將"si"加入字典。
• 3 重複步驟2，直到輸入全部完成。

3.2、優缺點

• 優點：解壓速度快，無需傳輸字典，解碼過程構建字典。
• 缺點：編碼相對比LZ77複雜。
• 適用場景：適用於文字壓縮，為單詞建立詞典。