Python中实现一个LZ77压缩算法

这篇文章给大家介绍Python中实现一个LZ77压缩算法，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。

原理介绍：

首先介绍几个专业术语。

lookahead buffer(不知道怎么用中文表述，暂时称为待编码区):

等待编码的区域

search buffer：

已经编码的区域，搜索缓冲区

滑动窗口：

指定大小的窗，包含“搜索缓冲区”（左） + “待编码区”（右）

接下来，介绍具体的编码过程：

为了编码待编码区，  编码器在滑动窗口的搜索缓冲区查找直到找到匹配的字符串。匹配字符串的开始字符串与待编码缓冲区的距离称为“偏移值”，匹配字符串的长度称为“匹配长度”。编码器在编码时，会一直在搜索区中搜索，直到找到***匹配字符串，并输出(o,  l )，其中o是偏移值， l是匹配长度。然后窗口滑动l，继续开始编码。如果没有找到匹配字符串，则输出(0, 0,  c)，c为待编码区下一个等待编码的字符，窗口滑动“1”。算法实现将类似下面的：

while( lookAheadBuffer not empty ) { get a pointer (position, match) to the longest match  in the window for the lookAheadBuffer;output a (position, length, char()); shift the window length+1 characters along; }

主要步骤为：

设置编码位置为输入流的开始

在滑窗的待编码区查找搜索区中的***匹配字符串

如果找到字符串，输出(偏移值， 匹配长度)， 窗口向前滑动“匹配长度”

如果没有找到，输出(0, 0, 待编码区的***个字符)，窗口向前滑动一个单位

如果待编码区不为空，回到步骤2

描述实在是太复杂，还是结合实例来讲解吧

实例：

现在有字符串“AABCBBABC”，现在对其进行编码。

一开始，窗口滑入如图位置

由图可见，待编码缓冲区有“AAB”三个字符，此时搜索缓冲区还是空的。所以编码***个字符，由于搜索区为空，故找不到匹配串，输出(0,0, A),窗口右移一个单位，如下图

此时待编码区有“ABC”。开始编码。***编码”A”，在搜索区找到”A”。由于没有超过待编码区，故开始编码”AB”，但在搜索区没有找到匹配字符串，故无法编码。因此只能编码”A”。

输出(1, 1)。即为相对于待编码区，偏移一个单位，匹配长度为1。窗口右滑动匹配长度，即移动1个单位。如下图

一样，没找到，输出(0, 0, B),右移1个单号，如下图

输出（0， 0， C）,右移1个单位，如下图

输出(2, 1),右移1个单位，如下图

输出(3, 1)， 右移1个单位，如下图

开始编码”A”，在搜索缓冲区查找到匹配字符串。由于待编码缓冲区没有超过，继续编码。开始编码”AB”,也搜索到。不要停止，继续编码“ABC”，找到匹配字符串。由于继续编码，则超过了窗口，故只编码“ABC”，输出(5,  3),偏移5，长度3。右移3个单位，如下图

此时待编码缓冲区为空，停止编码。

最终输出结果如下

python代码实现：

class Lz77:def __init__(self, inputStr):self.inputStr = inputStr #输入流self.searchSize = 5    #搜索缓冲区(已编码区)大小self.aheadSize = 3     #lookAhead缓冲区（待编码区）大小 self.windSpiltIndex = 0 #lookHead缓冲区开始的索引self.move = 0self.notFind = -1   #没有找到匹配字符串#得到滑动窗口的末端索引def getWinEndIndex(self):return self.windSpiltIndex + self.aheadSize#得到滑动窗口的始端索引def getWinStartIndex(self):return self.windSpiltIndex - self.searchSize#判断lookHead缓冲区是否为空def isLookHeadEmpty(self):return True if self.windSpiltIndex + self.move> len(self.inputStr) - 1   else Falsedef encoding(self):step = 0print("Step   Position   Match   Output")while not self.isLookHeadEmpty():#1.滑动窗口self.winMove()#2. 得到***匹配串的偏移值和长度(offset, matchLen) = self.findMaxMatch()#3.设置窗口下一步需要滑动的距离self.setMoveSteps(matchLen) if matchLen == 0:#匹配为0，说明无字符串匹配，输出下一个需要编码的字母nextChar = self.inputStr[self.windSpiltIndex]                result = (step, self.windSpiltIndex, '-',  '(0,0)' + nextChar)else:                result = (step, self.windSpiltIndex, self.inputStr[self.windSpiltIndex - offset: self.windSpiltIndex - offset + matchLen], '(' + str(offset) + ',' + str(matchLen) + ')')#4.输出结果self.output(result)                step = step + 1        #仅用来设置第几步#滑动窗口(移动分界点)def winMove(self):self.windSpiltIndex = self.windSpiltIndex + self.move#寻找***匹配字符并返回相对于窗口分界点的偏移值和匹配长度def findMaxMatch(self):matchLen = 0offset = 0minEdge = self.minEdge() + 1  #得到编码区域的右边界#遍历待编码区，寻找***匹配串for i in range(self.windSpiltIndex + 1, minEdge):#print("i: %d" %i)offsetTemp = self.searchBufferOffest(i)if offsetTemp == self.notFind: return (offset, matchLen)            offset = offsetTemp #偏移值matchLen = matchLen + 1  #每找到一个匹配串，加1return (offset, matchLen)#入参字符串是否存在于搜索缓冲区，如果存在，返回匹配字符串的起始索引def searchBufferOffest(self, i):searchStart = self.getWinStartIndex()        searchEnd = self.windSpiltIndex #下面几个if是处理开始时的特殊情况if searchEnd < 1:return self.notFindif searchStart < 0:            searchStart = 0if searchEnd == 0:                searchEnd = 1searchStr = self.inputStr[searchStart : searchEnd]  #搜索区字符串findIndex = searchStr.find(self.inputStr[self.windSpiltIndex : i])if findIndex == -1:return -1return len(searchStr) - findIndex#设置下一次窗口需要滑动的步数def setMoveSteps(self, matchLen):if matchLen == 0:            self.move = 1else:            self.move = matchLendef minEdge(self):return len(self.inputStr)  if len(self.inputStr) - 1 < self.getWinEndIndex() else self.getWinEndIndex() + 1def output(self, touple):print("%d      %d           %s     %s" % touple)if __name__ == "__main__":    lz77 = Lz77("AABCBBABC")    lz77.encoding()

关于Python中实现一个LZ77压缩算法就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。