Python压缩运行长度编码

Question

我正在尝试了解运行长度编码，我在网上发现了这个我无法做到的挑战。 它要求你编写一个名为compression（strg）的压缩函数，它将长度为64的二进制字符串strg作为输入，并返回另一个二进制字符串作为输出。 输出二进制字符串应该是输入字符串的行程编码。

压缩（ '1010101001010101101010100101010110101010010101011010101001010101'）

'1010101001010101 * 4'

这是我的，但这没有找到模式：

from itertools import *

def compression(strg):
    return [(len(list(group)),name) for name, group in groupby(strg)]

我需要一些帮助解决这个问题。

Answer 1

我相信你正在将RLE与Lempel / Ziv滑动窗口压缩混为一谈。

RLE严格适用于重复字符： WWWWWWWW => W8

LZ有一个滑动窗口，可以像你描述的那样拾取模式。

David MacKay的网站包含Python中的示例压缩代码，包括LZ

Answer 2

这是最长的重复子字符串问题的示例。 它通常用后缀树数据结构来解决。

对于短字符串，您可以使用正则表达式的形式：

import re

s1='1010101001010101101010100101010110101010010101011010101001010101'

i=2
l=s1
j=len(l)/2
while i<len(s1):
    m=re.search('^(.{'+str(j)+'})\\1$',l)
    if m:
        l=m.group(1)
        i,j=i+1,len(l)/2
        continue
    else:
        print '{0} * {1} = {2}'.format(l,i,s1)
        break

打印输出。 请注意，这仅适用于从中间完全对称的字符串 - 此类问题的一小部分。 要压缩其他类型的字符串，您需要一个代表语法，说明如何替换被替换的元素。

Answer 3

以下链接给出了具有详细说明的这个问题的答案：

使用游程编码通过def压缩（S）函数进行图像压缩

希望它能清除您对字符串和二进制压缩的行程编码的理解。 无需使用任何re和itertools即可完成此编码。