基于無損壓縮技術(shù)的文件壓縮與解壓系統(tǒng)

郝雪燕

摘要：信息時(shí)代帶來了“信息爆炸”，海量數(shù)據(jù)的產(chǎn)生給系統(tǒng)運(yùn)行帶來極大的壓力，僅僅依靠計(jì)算機(jī)的硬件設(shè)備漸漸有些難以容下海量數(shù)據(jù)文件，壓縮文件可以在一定程度上節(jié)約空間，以便使用者在有限的空間存儲(chǔ)更多的文件。數(shù)據(jù)組織方式不同，數(shù)據(jù)量不同，但是信息量基本相同，為了節(jié)省數(shù)據(jù)存儲(chǔ)空間或者提升信息的傳遞效率，把數(shù)據(jù)結(jié)構(gòu)理論與算法應(yīng)用到數(shù)據(jù)壓縮中，已經(jīng)變得越來越重要。本文設(shè)計(jì)了一個(gè)基于無損壓縮技術(shù)的文件壓縮與解壓系統(tǒng)，經(jīng)過測(cè)試，成功壓縮和還原了源文件，實(shí)現(xiàn)了預(yù)期目標(biāo)。

關(guān)鍵字：無損壓縮;文件壓縮;解壓

引言

數(shù)據(jù)是信息的載體，數(shù)據(jù)壓縮是信息量基本不變的情況下，降低數(shù)據(jù)量的核心技術(shù)。所謂數(shù)據(jù)壓縮技術(shù)，顧名思義就是壓縮數(shù)據(jù)存儲(chǔ)占據(jù)的空間，以實(shí)現(xiàn)便于傳輸、處理以及節(jié)省儲(chǔ)存空間的目的。如果丟失個(gè)別的數(shù)據(jù)不會(huì)造成太大的影響，這時(shí)忽略它們是個(gè)好主意，這就是有損壓縮。有損壓縮廣泛應(yīng)用于動(dòng)畫、聲音和圖像文件中，典型的代表就是影碟文件格式MPEG、音樂文件格式MP3和圖像文件格式JPG。而無損壓縮是相對(duì)于有損壓縮來講的，無損壓縮方式的特點(diǎn)在于可以最大限度地保持?jǐn)?shù)據(jù)的完整性。

數(shù)據(jù)壓縮技術(shù)主要通過以下兩種方式來實(shí)現(xiàn)：一種是壓縮數(shù)據(jù)空間;另一種是依靠算法實(shí)現(xiàn)原始數(shù)據(jù)的重整以精簡(jiǎn)空間。數(shù)據(jù)壓縮技術(shù)本質(zhì)上是一種編碼技術(shù)，換言之，是利用不同的數(shù)據(jù)組織方式表達(dá)相同的含義、攜載基本相同的信息量。從源文件到編碼文件的映射過程就是數(shù)據(jù)編碼，類似于文本、圖像、聲音等等形式的源文件在計(jì)算機(jī)中都是以二進(jìn)制的形式存儲(chǔ)的，不同之處在于不同形式的源文件具體的二進(jìn)制表示方法不同。

1 數(shù)據(jù)壓縮算法

無損數(shù)據(jù)壓縮適用于文本文件、數(shù)據(jù)庫(kù)、程序等數(shù)據(jù)壓縮， 其特點(diǎn)是數(shù)據(jù)經(jīng)過壓縮和解壓后，可以完全與壓縮前的數(shù)據(jù)一樣。無損數(shù)據(jù)壓縮算法按照壓縮模型主要分為兩類：基于統(tǒng)計(jì)壓縮算法和基于字典壓縮算法?；诮y(tǒng)計(jì)壓縮算法主要包括：游程長(zhǎng)度編碼、哈夫曼編碼、算術(shù)編碼;基于字典的壓縮算法主要包括：LZ77算法、LZ78算法、LZW算法和LZSS算法。就當(dāng)前的技術(shù)而言，使用無損壓縮最大可以將數(shù)據(jù)文件的大小減少1/2-3/4。目前使用最為廣泛的壓縮技術(shù)是LZW和哈夫曼這兩大類壓縮算法，本文采用的是哈夫曼編碼技術(shù)。

哈夫曼編碼是最為傳統(tǒng)和典型的無損壓縮技術(shù)。算法的原理為：用二進(jìn)制的方式來表示每一個(gè)符號(hào)，數(shù)據(jù)的長(zhǎng)度表示為某些特殊符號(hào)出現(xiàn)的頻率次數(shù)。對(duì)于經(jīng)常使用的符號(hào)，選擇的二進(jìn)制就短一些，而一些使用頻率較低的符號(hào)則可以適當(dāng)?shù)丶娱L(zhǎng)。哈夫曼算法可以確保字符的二進(jìn)制編碼情況已經(jīng)將數(shù)據(jù)空間壓縮到極致，任何修改都難以對(duì)其空間進(jìn)行進(jìn)一步壓縮。但是該算法并沒有將符號(hào)之間的排列順序、重復(fù)出現(xiàn)等情況作為處理的重點(diǎn)。根據(jù)ASCII碼的規(guī)定，一個(gè)字符由8個(gè)比特表示，但是如果提前知道了文件中各個(gè)字符出現(xiàn)的頻率，就可以對(duì)這些字符重新編碼。

哈夫曼編碼的使用過程主要如下：第一步就是對(duì)整個(gè)原始文件進(jìn)行掃描，統(tǒng)計(jì)每個(gè)字符的頻率，然后根據(jù)頻率建立哈夫曼樹，由哈夫曼樹構(gòu)造得到每個(gè)字符的編碼。由于頻率高的字符在哈夫曼樹中離根更近，它們的哈夫曼編碼長(zhǎng)度更短;相反，頻率低的字符的編碼更長(zhǎng)。最后，用哈夫曼編碼替換原文件中的字符。

2 數(shù)據(jù)解壓算法

解壓是壓縮的逆過程，不同的壓縮算法對(duì)應(yīng)特定的解壓算法，也就是說，數(shù)據(jù)是怎么壓縮的，那么就怎么解壓。因此，進(jìn)行數(shù)據(jù)壓縮時(shí)就要提前考慮解壓的實(shí)現(xiàn)。比如，進(jìn)行哈夫曼編碼壓縮數(shù)據(jù)時(shí)要使用一個(gè)哈夫曼樹將數(shù)據(jù)轉(zhuǎn)換為對(duì)應(yīng)編碼，那么壓縮時(shí)就要存儲(chǔ)這顆編碼樹，解壓時(shí)根據(jù)存儲(chǔ)的信息重新構(gòu)建出這顆編碼樹，將編碼轉(zhuǎn)換為對(duì)應(yīng)的數(shù)據(jù)。在進(jìn)行解壓時(shí)第一步就是從相應(yīng)的文件中獲得數(shù)據(jù)壓縮時(shí)的一些重要信息，通過這些信息重現(xiàn)壓縮過程，然后推導(dǎo)出解壓步驟，完成數(shù)據(jù)的復(fù)原過程。

3 文件壓縮與解壓系統(tǒng)的設(shè)計(jì)

在研究過一些壓縮和解壓算法后，使用Java編程語言設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)文件壓縮與解壓系統(tǒng)。本系統(tǒng)主要包括七個(gè)主要功能：

（1）前臺(tái)界面：給予用戶可視化界面，方便管理。

（2）解壓縮控制：控制文件的壓縮和解壓，如：一鍵解壓，一鍵壓縮等。

（3）文件控制：添加文件到某個(gè)壓縮包或在某個(gè)壓縮包內(nèi)刪除某個(gè)文件。

（4）語言控制：用于各國(guó)語言和中文的轉(zhuǎn)換。

（5）搜索：在壓縮包里方便找到某個(gè)文件或文件夾。

（6）創(chuàng)建自解壓文件：有的時(shí)候，本項(xiàng)目更需要的是創(chuàng)建自解壓文件，這樣就可以隨時(shí)隨地地調(diào)用它，而不需要壓縮軟件的支持。創(chuàng)建自解壓文件的方法也很簡(jiǎn)單，在設(shè)置壓縮文件屬性的圖2窗口的"General"頁面中，勾選"Create SFX archive"（創(chuàng)建自解壓文件），你會(huì)發(fā)現(xiàn)剛才的*.rar變成了*.exe。

（7）生成分卷自解壓文件 ：在進(jìn)行數(shù)據(jù)備份或大文件交換時(shí)，通常采取用壓縮軟件分卷壓縮到軟盤上的辦法，而在復(fù)原的時(shí)候則需要用到該壓縮軟件，否則這些壓縮文件便無法復(fù)原。 首先在主界面中選定欲壓縮的文件夾或文件，單擊鼠標(biāo)右鍵，從快捷菜單中選"Add to Archive"命令，出現(xiàn)小窗口，先將壓縮文檔名稱填入，需要帶路徑（如A：＼文件名）。然后從容量（Volume size）下拉菜單中選擇與軟盤對(duì)應(yīng)的數(shù)值。有360KB、720KB、1.2MB、1.44MB、2.88MB和自動(dòng)檢測(cè)六個(gè)備選項(xiàng)，也可以輸入自己設(shè)定的數(shù)值。在文檔選項(xiàng)區(qū)內(nèi)選中"自解壓"（SFX archive）方式，最后單擊，則開始進(jìn)行分卷壓縮，生成的第一個(gè)文件擴(kuò)展名為.exe，第二個(gè)文檔擴(kuò)展名為.r00，第三個(gè)為.r01，依此類推。復(fù)原時(shí)，先插入第一張軟盤，執(zhí)行？.exe文件，隨后會(huì)提示依次插入其他軟盤，則順利地完成解壓縮。

4 測(cè)試

現(xiàn)在壓縮技術(shù)發(fā)展較好，也因此產(chǎn)生了很多性能非常好的壓縮軟件，如WinRAR、7 2、快壓、360壓縮和好壓等。這些壓縮軟件在壓縮率、壓縮時(shí)間和支持的文件格式等方面都有著不錯(cuò)的表現(xiàn)。通過使用本文設(shè)計(jì)的基于無損壓縮技術(shù)的壓縮與解壓系統(tǒng)將一個(gè)由doc、xls、txt、pdf文件組成的大小為6.3MB的文件夾進(jìn)行壓縮和解壓，分析程序可用性和實(shí)用性。經(jīng)過測(cè)試發(fā)現(xiàn)，成功壓縮和還原了源文件，實(shí)現(xiàn)了預(yù)期目標(biāo)。

5 結(jié)束語

本文對(duì)數(shù)據(jù)壓縮與解壓過程進(jìn)行了簡(jiǎn)單的論述，通過了解一些常用的壓縮算法，可以幫助理解數(shù)據(jù)壓縮與解壓的實(shí)現(xiàn)原理。目前數(shù)據(jù)壓縮算法多種多樣，在這些基礎(chǔ)算法上進(jìn)行一些改進(jìn)又可以產(chǎn)生很多不同的算法，例如可以改進(jìn)壓縮鏈碼提高壓縮效率。常用的壓 縮軟件也是基于這些壓縮算法實(shí)現(xiàn)的，可以結(jié)合使用，算法的選擇會(huì)對(duì)系統(tǒng)最終的壓縮效果產(chǎn)生直接的影響。

參考文獻(xiàn)

[1]汪帥，呂江花，汪溁鶴等.一種支持?jǐn)?shù)據(jù)去冗和擴(kuò)容的多媒體文件云存儲(chǔ)系統(tǒng)實(shí)現(xiàn)[J].計(jì)算機(jī)研究與發(fā)展，2018，55（5）：1034-1048.

[2]劉娜.淺談?dòng)?jì)算機(jī)中的字符編碼[J].科技創(chuàng)新與應(yīng)用，2017（1）：107-107.

[3]吳家安.數(shù)據(jù)壓縮技術(shù)及應(yīng)用[M].北京：科學(xué)出版社，2008.

[8]苑思明，鄭晗，李俊杰.基于哈夫曼樹壓縮的加密技術(shù)[J].信息記錄材料，2018（6）.