我目前正在为基于我语言的短文本压缩项目工作。但作为初学者，我也知道一些像LZW这样的基本压缩算法。但我仍然不明白smaz是如何运作的。我有两个问题：
任何人都能为我解释一下吗？
非常感谢。
答案 0 :(得分：1)
试图回答您的问题
smaz是如何工作的？ 根据{{3}}，
Smaz具有254种常用英语的固定常量内置密码本 单词，单词片段，双字母组和小写字母（j除外， k，q）。 Smaz解码器的内部循环非常简单：
- 从压缩文件中获取下一个字节X。
- X == 254吗？单字节文字：获取下一个字节L，并将其直接传递给解码的文本。
- X == 255吗？文字字符串：获取下一个字节L，然后将接下来的L + 1个字节直接传递给解码的文本。
- X的其他任何值：在密码本中查找第X个“单词”（该“单词”可以是1到5个字母），然后将该单词复制到解码后的 文字。
- 重复执行，直到压缩文件中不再有压缩字节为止。
由于密码本不变，因此Smaz解码器无法 “学习”新单词并压缩它们，无论它们出现的频率如何 在原始文本中。
此[1]可能有助于理解代码。
如何构建密码本和反向密码本？ 仓库中有page个文件，作者TODO则表示字典是由未发布的ruby脚本生成的。另外，作者解释：
再说一遍，Ruby程序所做的就是考虑所有可能的子字符串，甚至所有可能的分隔词，并构建一个 频率表，而不是根据字符串调整权重 长度，最后手动调整表以压缩特定内容 很好。例如，我手动添加了“ http：//”和“ .com”令牌， 删除最后两个条目。
您的项目的替代方案可以是comments，它支持根据您的语言生成自定义压缩模型。
答案 1 :(得分：0)
smaz sources只有178行，只有99行没有注释和代码簿表。你应该看看它是如何工作的。
Smaz是一种非常简单的码本压缩方法（比如LZW，你知道）。该库包含最流行的英语术语表（压缩表为5 - 51行，解压缩为56 - 76），并用压缩字符串中的索引替换此术语。与减压相反。
例如，如果术语the end是压缩表中的一个字节索引，则字符串the将压缩58％。所以7个字节的长度字符串变成了4个字节长度的字符串。