我希望构建一种算法来发现原始数据中的重复模式（非ASCII）。
可配置的最短和最大图案尺寸。要搜索的数据大小将为数万字节。
例如，给出以下数据：
AB CD 01 AB CD 02 EF 03 02 EF 04 02 EF
将输出遇到重复模式的次数。在这种情况下：
ABCD x2
02EF x3
我已经看过几种算法，比如后缀树，但通常看起来都是基于字符串的。
这将用Python编写，但我对所涉及的概念更感兴趣而不是实际的实现。
非常感谢你的帮助。
答案 0 :(得分：4)
我会选择像Lempel-Ziv-Welch
这样的算法算法的内部字典将保存模式字符串，输出（即压缩数据）将表示这些子字符串的位置。从数据中获取计数是微不足道的，并且算法也很容易实现。
请注意，数据压缩上下文中的“string”并不表示文本。二进制数据只是使用256个不同字节值的字母表。