31、LZ77数据压缩算法详解

LZ77数据压缩算法详解

1. 数据压缩与解压缩原理

在使用LZ77算法进行数据压缩时，在任意时刻，前瞻缓冲区（look - ahead buffer）和滑动窗口（sliding window）之间存在两种情况：
- 存在一定长度的匹配短语。
- 完全没有匹配项。

当存在至少一个匹配时，我们将最长匹配编码为短语标记（phrase token）。短语标记包含三部分信息：
- 滑动窗口中匹配开始的偏移量。
- 匹配的符号数量。
- 匹配后前瞻缓冲区中的第一个符号。

当没有匹配时，我们将未匹配的符号编码为符号标记（symbol token）。符号标记仅包含未匹配的符号本身，实际上并没有实现压缩，甚至会因为多包含一位而导致轻微的膨胀。

生成编码了n个符号的适当标记后，我们将n个符号从滑动窗口的一端移出，并在另一端用从前瞻缓冲区移出的相同数量的符号替换。然后，我们重新填充前瞻缓冲区。这个过程确保滑动窗口始终只包含最新的短语。滑动窗口和前瞻缓冲区维护的短语的确切数量取决于它们的大小。

在实际应用中，典型的滑动窗口大小约为4K（4096字节），前瞻缓冲区通常小于100字节。

解压缩数据时，我们通过解码标记并以类似于压缩过程的方式更新滑动窗口。解码每个标记时，我们将标记编码的符号复制到滑动窗口中。遇到短语标记时，我们参考滑动窗口中的适当偏移量并查找指定长度的短语；遇到符号标记时，我们生成标记中存储的单个符号。

下面是一个使用LZ77压缩字符串“ABABCBABABCAD”的示例：
|步骤|原始数据|压缩数据|
| ---- | ---- | ---