如何以字节表示 LZW 输出？答案

【问题标题】：How do I represent an LZW output in bytes?如何以字节表示 LZW 输出？
【发布时间】：2018-03-17 10:04:33
【问题描述】：

我找到了 LZW 算法的实现，我想知道如何将它的输出（一个 int 列表）表示为字节数组。

我曾尝试使用一个字节，但如果输入很长，字典有超过 256 个条目，因此我无法转换。

然后我尝试添加一个额外的字节来指示用于存储值的字节数，但在这种情况下，我必须为每个值使用 2 个字节，这压缩得不够。

如何优化？

【问题讨论】：

（如果标记为compression，此帖子将获得更多可见性。）

标签： compression byte lzw

【解决方案1】：

作为位，而不是字节。您只需要一个简单的例程，将任意数量的位写入字节流。它只是保留一个一字节的缓冲区，您可以将位放入其中，直到您有八位。然后写比字节，清除缓冲区，然后重新开始。另一方面，这个过程是相反的。

当你到达末尾时，如果不为空，只需写入最后一个字节缓冲区，其余位设置为零。

您只需计算在当前压缩状态下每个符号需要多少位。从流中提取位时，另一侧也可以做出同样的决定。

【讨论】：

好主意，但如何解压缩输出？我应该再次将比特流解密为一个 int 列表，我怎么知道一个 int 是否以多少位表示？
你在解压端重构压缩过程，然后你就知道下一个符号是多少位了。
我不确定我是否明白这一点。如果我在 LZW 中压缩一个字符串并得到 [12, 284] 作为输出，然后我转换为位：1100 100011100。现在我输出 8 位并用零完成剩余的位：11001000 00011100 -> [200, 28]。现在从 [200, 28] 我如何回到 [12, 284]？
第一个符号中的位数是固定的。在标准的 Unix 压缩 LZW 格式中，它是九位。每个后续符号中的位数由前面的数据确定（随着字典的增长而上升），因此在解码下一个符号之前在解压缩端都是已知的。
您可以查看source code for compress了解更多信息。

【解决方案2】：

在他 1984 年关于 LZW 的文章中，T.A.韦尔奇实际上并未说明如何“编码代码”，而是描述了将“输入字符串转换为固定长度的代码”，继续“普遍使用 12 位代码”。（允许三个八位字节和两个代码之间的双射映射。）
BSD compress(1) command 并没有真正遵循，而是引入了一个标头，有趣的部分是用于编码 LZW 输出代码的最大位数的规范，允许解压器适当地调整解压表的大小，或者以可控的方式提前失败。（但对于第一个，）代码仅使用必要的整数位数进行编码，从 9 开始。
另一种方法是使用Arithmetic Coding，尤其是如果使用不同于每个代码的模型都同样可能。

【讨论】：