使用重复字符压缩字符串

Compressing string with repeating chars

本文关键字：压缩 字符串 字符      更新时间：2023-10-16

我有只包含'U'，'D'，'L'，'R'字符的字符串(迷宫中的方向(。

字符串可能如下所示：

  • RRRRRDRRDDDRRUUUUDDRRRRUULLU
  • DDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDL
  • LUUURRDRRDLUUURRDRRD

我想压缩这一系列指令。

例如。

1.压缩前：ULULUL压缩后：3(UL(

阿拉伯数字。压缩前：DDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDDLDD压缩后：10(DDL(

3.压缩前：LLLLDLLLLDLLD压缩后：3(4LD(

有谁知道这样的算法？

谢谢。

不，不要使用运行长度编码，结果会很糟糕。

相反，进行位打包：将四个方向中的每个方向编码为 2 位，然后将四个 2 位对打包成一个字节。

所以：U = 00b (0d(， D = 01b (1d(，

L = 10b (2d(， R = 11b (3d(。

(注意："b"后缀表示二进制，"d"后缀表示十进制。

因此，LLLL = 10101010b 只有 1 个字节长。

编辑

从 OP 的评论中可以看出，压缩的结果需要是一个仅由可打印字符组成的字符串。 所以，那么，我会说OP需要的算法被称为霍夫曼编码(维基百科(。 我不知道有任何产生可打印文本的实现(因为大多数人会发现这样的事情会完全破坏压缩的目的(，但理论上可以以输出是可打印字符的方式实现算法。 无论如何，OP正在询问是否有人知道这样的算法，所以，就是这样。

我创建并撰写了一个解决方案，该解决方案使用Python正则表达式引擎在此处提取重复字符块。

它不会在所有情况下给出最短的答案，但很接近。

这个想法是逐步完成与此正则表达式的非重叠匹配：

(?P<repeat>(?P<chars>.+?)(?:(?P=chars))+)

是的，您正在寻找的是经典的运行长度编码(比仅重复单个字符的简单方法更复杂(。

相关文章：