首页 > 网络编程 > JavaScript > javascript技巧 > LZ77 JS算法

js LZ77算法的实现代码

2010-04-12 14:13:36 作者：

JS操作二进制很麻烦，而且一直没有一个好的无损压缩工具来实现纯文本的压缩。

所以钻研了一段时间的gzip，后来发现还是仅用LZ77 比较容易实现，gzip中的 haffman 压缩部分对于JS来说太难搞了。
代码如下，注释的非常完整，所以就不多说了，有兴趣的可以仔细研究下：

<html> 
<head> 
<title>LZ77</title> 
<style> 
* { font-size:12px; } 
body { overflow:auto; background-color:buttonface; } 
textarea { width:100%; height:240px; overflow:auto; } 
#btn1 { width:100px; } 
</style> 
<script> 
window.onload = init; 
function $(s){ return document.getElementById(s); } 
function init() 
{ 
    $("txtS").focus(); 
    $("btn1").onclick = run; 
    $("txtS").onkeydown = function () 
    { 
        if (event.keyCode == 13 && event.ctrlKey) 
        { 
            run(); 
        } 
    } 
} 
function run() 
{ 
    var str = $("txtS").value; 
    $("txtS").value = ""; 
    var lzc = new Lz77CompressDefer(str); 
    var t = new Date(); 
    lzc.start(function (result) 
    { 
        $("txtR").value = Lz77SelfExtract(result); 
        var tc = new Date() - t; 
        $("txtS").value = eval($("txtR").value.substring(4)); 
        var td = new Date() - t - tc; 
        alert("压缩完毕\r\n压缩比："+($("txtR").value.length/str.length*100).toFixed(2)+"%\r\n压缩用时："+tc+"ms\r\n解压用时："+td+"ms\r\n校验："+(str==$("txtS").value?"OK":"failed")); 
    }); 
     
    function showProgress(){ 
        var p = lzc.status(); 
        if (p < 1) 
        { 
            $("txtS").value = "压缩中 ... " + (p*100).toFixed(2) + "%"; 
            setTimeout(showProgress, 300); 
        } 
    } 
     
    showProgress(); 
     
    /* 
    $("txtR").value = Lz77Compress(str); 
    var tc = new Date() - t; 
    $("txtS").value = Lz77Decompress($("txtR").value); 
    var td = new Date() - t - tc; 
    alert($("txtR").value.length/$("txtS").value.length+":"+tc+":"+td+":"+(str==$("txtS").value)); 
    */ 
} 
/* 
* 以 LZ77 原理实现的JS文本压缩算法 
* Author: Hutia 
* 
*/ 
/* 
LZ77基本原理： 
1、从当前压缩位置开始，考察未编码的数据，并试图在滑动窗口中找出最长的匹配字符串，如果找到，则进行步骤 2，否则进行步骤 3。 
2、输出三元符号组 ( off, len, c )。其中 off 为窗口中匹配字符串相对窗口边界的偏移，len 为可匹配的长度，c 为下一个字符。然后将窗口向后滑动 len + 1 个字符，继续步骤 1。 
3、输出三元符号组 ( 0, 0, c )。其中 c 为下一个字符。然后将窗口向后滑动 len + 1 个字符，继续步骤 1。 
变种： 
1. 将匹配串和不能匹配的单个字符分别编码、分别输出，输出匹配串时不同时输出后续字符。 
本算法变种： 
1. 采用出现概率很低的前导字符P来区分匹配串输出和非匹配串。对于匹配串，输出 ( P, off, len )，对于非匹配串，输出 c。 
非匹配串中出现字符P时，输出PP来代替，以示和匹配串的区别。 
因此匹配串的输出 ( off, len ) 结果中，不可以出现字符P，以免产生混淆。 
本例中，取 (`) 作为前导字符。 
2. 对于匹配串，输出为： 
前导字符 (`) + 偏移量 (3位，92进制 = 778688) + 匹配长度 (2位，92进制 = 8464) 
因此滑动窗大小为778688，最小的匹配长度为 7。 
3. 本算法针对JS文件，为简化算法暂不考虑窗口滑动情况（JS文件通常不会大于700K）。对于文件大于778688字节的情况使用本算法会出错。将来可以实现滑动窗口或分段压缩。 
4. 本例中为简化算法，将 off 与 len 转换为 92 进制的字符串，并且将低位放在左侧，高位放在右侧。 
作者：Hutia 
Email: Hutia2@163.com 
转载请注明出处 
*/ 
var NC = [], CN = []; 
NC = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789~!@#$%^&*()-=[]\;',./_+{}|:\"<>?".split(""); 
for (var i=0; i<NC.length; i++) CN[NC[i]] = i; 
function Lz77Compress(input) 
{ 
    /*LZ77压缩算法 - Hutia - JS版*/ 
     
    /*变量声明*/ 
    var p = 0; //扫描指针 
    var lp = 0; //链表查询指针 
    var len = input.length; //输入字符串的长度 
    var output = []; //输出 
    var index = ""; //索引 
    var head = []; //索引头信息 
    var prev = []; //位置链表 
    var match_off = 0; //匹配位置的偏移量 
    var match_len = 0; //发生匹配的长度 
    var last_match_off = 0; //上一次匹配位置的偏移量 
    var last_match_len = 0; //上一次发生匹配的长度 
    var j = 0; //循环变量 
     
    /*循环扫描*/ 
    for (p=0; p<len; p++) 
    { 
        index = input.substring(p, p+7); //取当前字符开始的7个字符作为索引 
         
        /*链表维护*/ 
        prev[p] = head[index]; //当前头位置进链表 
        head[index] = p; //保存现在位置进头信息 
        /*匹配*/ 
        lp = p; //初始化链表查询指针 
        match_len = 0; //初始化匹配长度 
        match_off = 0; //初始化匹配位置 
        if (prev[lp]) //如果链表上存在上一个匹配 
        { 
            /*匹配查询*/ 
            while (prev[lp]) //依次查看链表上的每个位置 
            { 
                lp = prev[lp]; //取出链表上的前一个位置到链表查询指针 
                for (j=1; j<8464 && lp+j<p; j++) //寻找此位置的最长匹配，匹配长度不能超过8464 (92进制的2个字节长度)，也不能超过当前指针位置 
                { 
                    if (input.substring(lp, lp + j) != input.substring(p, p + j)) break; 
                } 
                j--; //计算最长匹配 
                if (j > 7 && j > match_len) //如果此匹配比已发现的匹配长 
                { 
                    match_len = j; //记录匹配长度 
                    match_off = lp; //记录匹配位置 
                } 
            } 
             
            /*匹配处理*/ 
            if (match_len > 7) //如果找到了符合要求的匹配 
            { 
                if (last_match_len != 0 && last_match_len < match_len) //如果上次匹配存在，且长度没有这次匹配的长度大 
                { 
                    /*懒惰模式*/ 
                    output_unmatch(input.charAt(p - 1)); //放弃上次匹配，将字符直接输出 
                    last_match_off = match_off; //记录此次的匹配位置 
                    last_match_len = match_len; //记录此次的匹配长度 
                } 
                else if (last_match_len != 0) //如果上次匹配存在，且长度比这次匹配的长度大 
                { 
                    /*处理上次的懒惰模式*/ 
                    output_match(); //输出上次的匹配 
                } 
                else //如果上次匹配不存在 
                { 
                    /*懒惰模式*/ 
                    last_match_off = match_off; //记录此次的匹配位置 
                    last_match_len = match_len; //记录此次的匹配长度 
                } 
            } 
            else //如果找不到符合要求的匹配（例如匹配超出当前指针） 
            { 
                if (last_match_len != 0) //如果上次匹配存在 
                { 
                    /*处理上次的懒惰模式*/ 
                    output_match(); //输出上次的匹配 
                     
                } 
                else 
                { 
                    output_unmatch(input.charAt(p)); //直接输出当前的字符 
                } 
            } 
        } 
        else //如果当前不存在匹配 
        { 
            if (last_match_len != 0) //如果之前发生了匹配 
            { 
                /*处理上次的懒惰模式*/ 
                output_match(); //输出匹配 
            } 
            else 
            { 
                output_unmatch(input.charAt(p)); //直接输出当前的字符 
            } 
        } 
    } //循环扫描结束 
     
    /*边界处理*/ 
    if (last_match_len != 0) //如果之前发生了匹配 
    { 
        /*处理上次的懒惰模式*/ 
        output_match(); //输出匹配 
    } 
     
    /*输出*/ 
    return output.join(""); 
     
    function output_match() 
    { 
        output.push("`"); //输出前缀符 
        output.push(N2C(last_match_off, 3)); //输出3字节偏移量 
        output.push(N2C(last_match_len, 2)); //输出2字节匹配长度 
        p += last_match_len - 2; //移动当前指针到匹配串的末尾（因为懒惰模式，此时 p 指向 last_match_off + 1 的位置，所以应 -2 ） 
        last_match_off = 0; //清空匹配位置 
        last_match_len = 0; //清空匹配长度 
    } 
     
    function output_unmatch(c) 
    { 
        output.push(c == "`" ? "``" : c); //输出未匹配的字符 
    } 
} 
function Lz77Decompress(input) 
{ 
    /*LZ77解压缩算法 - Hutia - JS版*/ 
     
    /*变量声明*/ 
    var p = 0; //扫描指针 
    var len = input.length; //输入字符串的长度 
    var output = []; //输出 
    var match_off = 0; //匹配位置的偏移量 
    var match_len = 0; //发生匹配的长度 
     
    /*循环扫描*/ 
    for (p=0; p<len; p++) 
    { 
        if (input.charAt(p) == "`") //如果发现前缀标记 
        { 
            if (input.charAt(p + 1) == "`") //如果是转义前缀 
            { 
                output.push("`"); //直接输出字符 "`" 
                p++; //指针后移，跳过下一个字符 
            } 
            else //如果是压缩编码 
            { 
                match_off = C2N(input.substring(p+1, p+4)); //取出其 1-3 个字符，算出偏移量 
                match_len = C2N(input.substring(p+4, p+6)); //取出其 4-5 字符，算出匹配长度 
                output = [].concat(output.join("")); //整理输出内容 
                output.push(output[0].substring(match_off, match_off + match_len)); //自输出内容的相应偏移量位置取出编码所代表的字符串 
                p += 5; //指针后移，跳过下5个字符 
            } 
        } 
        else //如果没有发现前缀标记 
        { 
            output.push(input.charAt(p)); //直接输出相应的字符 
        } 
    } 
     
    /*输出*/ 
    return output.join(""); 
} 
/*LZ77解压缩算法 - Hutia - JS / mini 版*/ 
hutia = function(s){var A="charAt",p=-1,l=s.length,o=[],m,a="ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789~!@#$%^&*()-=[]\;',./_+{}|:\"<>?".split(""),_=[];while(++p<92)_[a[p]]=p;function $(c){var l=c.length,r=0,i=-1;while(++i<l)r+=_[c[A](i)]*Math.pow(92,i);return r;}p=-1;while(++p<l){if(s[A](p)=="`"){if(s[A](p+1)=="`")p++,o.push("`");else{m=$(s.substring(p+1,p+4));o=[].concat(o.join(""));o.push(o[0].substring(m,m+$(s.substring(p+4,p+6))));p+=5;}}else o.push(s.charAt(p));}return o.join("");} 
function Lz77SelfExtract(s) 
{ 
    return "eval(("+String(hutia)+")(\""+s.replace(/\\/g,"\\\\").replace(/\r/g,"\\r").replace(/\n/g,"\\n").replace(/\"/g,"\\\"")+"\"));"; 
} 
function Lz77CompressDefer(input) 
{ 
    /*LZ77压缩算法 - Hutia - JS / Defer 版*/ 
     
    /*变量声明*/ 
    var p = 0; //扫描指针 
    var lp = 0; //链表查询指针 
    var len = input.length; //输入字符串的长度 
    var output = []; //输出 
    var index = ""; //索引 
    var head = []; //索引头信息 
    var prev = []; //位置链表 
    var match_off = 0; //匹配位置的偏移量 
    var match_len = 0; //发生匹配的长度 
    var last_match_off = 0; //上一次匹配位置的偏移量 
    var last_match_len = 0; //上一次发生匹配的长度 
    var j = 0; //循环变量 
    var callback; //回调函数 
     
    this.start = function(fn) 
    { 
        this.start = function(){} 
        callback = fn; 
        run(); 
    } 
     
    this.status = function () 
    { 
        return p / len; 
    } 
     
    function run() 
    { 
        var inner_i = 0; 
        /*循环扫描*/ 
        for (; p<len; p++) 
        { 
            if (++inner_i > 400) 
            { 
                return setTimeout(run); 
            } 
             
            index = input.substring(p, p+7); //取当前字符开始的7个字符作为索引 
             
            /*链表维护*/ 
            prev[p] = head[index]; //当前头位置进链表 
            head[index] = p; //保存现在位置进头信息 
            /*匹配*/ 
            lp = p; //初始化链表查询指针 
            match_len = 0; //初始化匹配长度 
            match_off = 0; //初始化匹配位置 
             
            if (prev[lp]) //如果链表上存在上一个匹配 
            { 
                /*匹配查询*/ 
                while (prev[lp]) //依次查看链表上的每个位置 
                { 
                    lp = prev[lp]; //取出链表上的前一个位置到链表查询指针 
                    for (j=1; j<8464 && lp+j<p; j++) //寻找此位置的最长匹配，匹配长度不能超过8464 (92进制的2个字节长度)，也不能超过当前指针位置 
                    { 
                        if (input.substring(lp, lp + j) != input.substring(p, p + j)) break; 
                    } 
                    j--; //计算最长匹配 
                    if (j > 7 && j > match_len) //如果此匹配比已发现的匹配长 
                    { 
                        match_len = j; //记录匹配长度 
                        match_off = lp; //记录匹配位置 
                    } 
                } 
                 
                /*匹配处理*/ 
                if (match_len > 7) //如果找到了符合要求的匹配 
                { 
                    if (last_match_len != 0 && last_match_len < match_len) //如果上次匹配存在，且长度没有这次匹配的长度大 
                    { 
                        /*懒惰模式*/ 
                        output_unmatch(input.charAt(p - 1)); //放弃上次匹配，将字符直接输出 
                        last_match_off = match_off; //记录此次的匹配位置 
                        last_match_len = match_len; //记录此次的匹配长度 
                    } 
                    else if (last_match_len != 0) //如果上次匹配存在，且长度比这次匹配的长度大 
                    { 
                        /*处理上次的懒惰模式*/ 
                        output_match(); //输出上次的匹配 
                    } 
                    else //如果上次匹配不存在 
                    { 
                        /*懒惰模式*/ 
                        last_match_off = match_off; //记录此次的匹配位置 
                        last_match_len = match_len; //记录此次的匹配长度 
                    } 
                } 
                else //如果找不到符合要求的匹配（例如匹配超出当前指针） 
                { 
                    if (last_match_len != 0) //如果上次匹配存在 
                    { 
                        /*处理上次的懒惰模式*/ 
                        output_match(); //输出上次的匹配 
                         
                    } 
                    else 
                    { 
                        output_unmatch(input.charAt(p)); //直接输出当前的字符 
                    } 
                } 
            } 
            else //如果当前不存在匹配 
            { 
                if (last_match_len != 0) //如果之前发生了匹配 
                { 
                    /*处理上次的懒惰模式*/ 
                    output_match(); //输出匹配 
                } 
                else 
                { 
                    output_unmatch(input.charAt(p)); //直接输出当前的字符 
                } 
            } 
        } //循环扫描结束 
         
        /*边界处理*/ 
        if (last_match_len != 0) //如果之前发生了匹配 
        { 
            /*处理上次的懒惰模式*/ 
            output_match(); //输出匹配 
        } 
         
        /*回调输出*/ 
        callback(output.join("")); 
    } //end of run 
     
    function output_match() 
    { 
        output.push("`"); //输出前缀符 
        output.push(N2C(last_match_off, 3)); //输出3字节偏移量 
        output.push(N2C(last_match_len, 2)); //输出2字节匹配长度 
        p += last_match_len - 2; //移动当前指针到匹配串的末尾（因为懒惰模式，此时 p 指向 last_match_off + 1 的位置，所以应 -2 ） 
        last_match_off = 0; //清空匹配位置 
        last_match_len = 0; //清空匹配长度 
    } 
     
    function output_unmatch(c) 
    { 
        output.push(c == "`" ? "``" : c); //输出未匹配的字符 
    } 
} 
function C2N(c) //将 92 进制字符串（高位在右）转换为 10 进制数字 
{ 
    var len = c.length; 
    var re = 0; 
    for (var i=0; i<len; i++) 
    { 
        re += CN[c.charAt(i)] * Math.pow(92, i); 
    } 
    return re; 
} 
function N2C(n, len) //将 10 进制数字转换为指定长度的 92 进制字符串，高位在右 
{ 
    var re = []; 
    for (var i=0; i<len; i++) 
    { 
        re[i] = NC[n % 92]; 
        n = n / 92 | 0; 
    } 
    return re.join(""); 
} 
</script> 
</head> 
<body> 
<textarea id="txtS"></textarea> 
<textarea id="txtR"></textarea>

[Ctrl+A 全选注:如需引入外部Js需刷新才能执行]

您可能感兴趣的文章:

LZ77压缩算法原理的理解