DEFLATE 只能压缩最多 32 KiB 的重复字符串吗？答案

【问题标题】：Can DEFLATE only compress duplicate strings up to 32 KiB apart?DEFLATE 只能压缩最多 32 KiB 的重复字符串吗？
【发布时间】：2020-07-10 05:42:45
【问题描述】：

根据DEFLATE spec：

压缩表示概述

一个压缩数据集由一系列块组成，对应于输入的连续块数据。块大小是任意的，除了不可压缩块限制为 65,535 字节。

每个块都使用 LZ77 算法和霍夫曼编码。每个块的霍夫曼树独立于那些用于先前或后续块的； LZ77 算法可以使用引用前一个块中出现的重复字符串，最多之前的 32K 输入字节。

每个块由两部分组成：一对霍夫曼代码树描述压缩数据部分的表示，以及压缩数据部分。（霍夫曼树本身是压缩的使用霍夫曼编码。）压缩数据由一系列两种类型的元素：文字字节（尚未被检测为在前 32K 输入字节中重复），以及指向重复字符串的指针，其中指针表示为对。中使用的表示 “deflate”格式将距离限制为 32K 字节，长度限制为 258 字节，但不限制块的大小，除了不可压缩的块，如上所述受到限制。

所以指向重复字符串的指针只能返回 32 KiB，但是由于块大小不受限制，Huffman 代码树是否可以将两个超过 32 KiB 的重复字符串存储为相同的代码？那么限制因素是块大小吗？

【问题讨论】：

标签： gzip huffman-code deflate lz77

【解决方案1】：

距离的霍夫曼树包含代码 0 到 29（下表）；代码 29，后跟“普通”位中的 8191，表示“距离 32768”。这是 Deflate 定义中的硬性限制。块大小不受限制。实际上块大小没有存储在任何地方：块是一个无限流。如果您想停止阻止，请为此发送一个 End-Of-Block 代码。

                             Distance Codes
                             --------------
       Extra           Extra             Extra               Extra
  Code Bits Dist  Code Bits  Dist   Code Bits Distance  Code Bits Distance
  ---- ---- ----  ---- ---- ------  ---- ---- --------  ---- ---- --------
    0   0    1      8   3   17-24    16    7  257-384    24   11  4097-6144
    1   0    2      9   3   25-32    17    7  385-512    25   11  6145-8192
    2   0    3     10   4   33-48    18    8  513-768    26   12  8193-12288
    3   0    4     11   4   49-64    19    8  769-1024   27   12 12289-16384
    4   1   5,6    12   5   65-96    20    9 1025-1536   28   13 16385-24576
    5   1   7,8    13   5   97-128   21    9 1537-2048   29   13 24577-32768
    6   2   9-12   14   6  129-192   22   10 2049-3072
    7   2  13-16   15   6  193-256   23   10 3073-4096

【讨论】：

这不能回答我的问题？
其实你有两个问题。答案是：没有和没有。
那么霍夫曼代码存储两个相同字符串的唯一方法是使用反向指针？
Deflate 基于 LZ77，它编码文字（纯字节）或距离长度对 - 这可能就是您所说的向后指针。

【解决方案2】：

为了补充 Zerte 的答案，对先前序列的引用与块或块边界无关。这样的引用可以在块内、跨块，并且被引用的序列可以跨越块边界。

【讨论】：

很高兴得到阿德勒本人的回答！