Compression 试图找出一个基本的模式查找算法

长话短说，我有一些数据需要找出其中的模式。数据是这样的（每个字符代表一个不可变的块）：dabababadacdadab

我希望能够将这些数据分为以下几类块：

d（重复1x） ab（重复3次） a（1x） cda（3倍） b（1x）

---

我熟悉基本的游程长度编码，但当“thing”的长度可能是可变的（在我的示例中，cda是3个数据块，但d是一个数据块）时，我真的不知道如何做。我说得通吗？非常感谢您的帮助。

这里的主要困难是算法的“贪婪性”及其可能产生的歧义。举个例子，告诉程序不要将字符串表示为：

dx1

---

ababab X 1这里的主要困难是算法的“贪婪性”及其可能产生的歧义。举个例子，告诉程序不要将字符串表示为：

dx1 ababab X 1 cda X 1 b X 1

更糟糕的是： dx1 abababcdab X 1

你明白我的意思了。因此，您需要建立一组algo将遵循的规则，然后代码将自行编写。为了深入了解这一点，您可以尝试查看grep.c中的一些正则表达式解析代码，尽管这可能比您需要的更高级

作为一个开始，考虑一个算法：

限制它将扫描的前方距离（即设置最大子字符串长度）

偏好较长的子字符串，以#1为准

例如，以“aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa 它可以是以下任何一种：

a X 16

aa X 8

aaaa X 4

AAAAA X 2

aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa X 1

如果将最大匹配长度设置为4，并选择最长的匹配，则答案是明确的：aaaa X 4。现在您可以编写一个算法了

顺便说一句，对LZW（Lempel-Ziv-Welch）算法的评论是正确的；这就是algo所做的，尽管它在扫描时会动态地构建一个字典，并尝试用早期的项目来表达后期的项目。例如：

aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa

=bbbbbb（其中b=aa）

=cccc（其中c=bb）

=dd（其中d=cc）

=e（其中e=dd）

这并不完全是LZW的工作原理，但你明白了