Python Burrows-Wheeler变换（BWT）重复字符串

我正在用Python编写Burrows-Wheeler变换及其反变换。它适用于小弦，但当我测试大弦时，它就崩溃了。在某些点上，字符串似乎在循环。我确信这一定与解码器的最终循环有关，但我遵循不止一个网站上的步骤。我的执行情况如下：

class BurrowsWheelerTransform:

    def __init__(self, data):
        self.data = data

    def transform(self):
        # get data size
        size = len(self.data)
        # get order (by index) of rotations
        order = sorted(range(size), key=lambda i: self.data[i:])
        # get index of original rotation
        index = order.index(0)
        # return size appended with last column of (imaginary) rotation table
        return chr(255) * (index // 255) + chr(index % 255) + ''.join(self.data[(i - 1 + size) % size] for i in order)

    def restore(self):
        # get index of end of index
        eoi = next(i for i in range(len(self.data)) if ord(self.data[i]) < 255)
        # get index
        index = 255 * eoi + ord(self.data[eoi])
        # get tranformed content
        content = self.data[eoi + 1:]
        # get lshift array
        lshift = [i - 1 for symbol in sorted(set(content)) for i, x in enumerate(self.data) if x == symbol]
        # restore
        restored = ''
        for i in range(len(content)):
            index = lshift[index]
            restored += content[index]
        # return restored
        return restored

class BurrowsWheelerTransform：
定义初始化（自身，数据）：
self.data=数据
def转换（自）：
#获取数据大小
大小=长度（自身数据）
#获取旋转的顺序（通过索引）
顺序=排序（范围（大小），键=lambda i:self.data[i:]）
#获取原始旋转的索引
索引=顺序。索引（0）
#返回大小随（假想的）旋转表的最后一列一起追加
返回chr（255）*（索引//255）+chr（索引%255）+''.join（按顺序为i的self.data[（i-1+size）%size]））
def恢复（自我）：
#获取索引末尾的索引
如果ord（自数据[i]）<255，则eoi=next（i表示范围内的i（len（自数据）））
#获取索引
索引=255*eoi+ord（自身数据[eoi]）
#获取转换内容
content=self.data[eoi+1:]
#获取lshift数组
lshift=[i-1表示已排序（集合（内容））中的符号，i，x表示枚举（self.data）中的符号，如果x==symbol]
#恢复
还原=“”
对于范围内的i（len（content））：
索引=lshift[索引]
还原+=内容[索引]
#恢复原状
恢复原状

原始字符串：

罗斯特夫不愿打扰公主，也没有回去 但她仍留在村子里等待她离开。当她 马车驶出了房子，他骑上马车，陪着她走了八个小时 从Boguchrovo到我军占领的道路数英里。在 在扬科沃的旅馆里，他第一次恭敬地向她告别 时间允许他吻她的手

你怎么能这么说！他脸红地回答玛丽公主 表达对她获救的感激之情，正如她所说的那样 发生。任何警察都会做同样的事！如果我们有 只有农民去打仗，我们不应该让敌人走这么远， 他羞愧地说，想换个话题。我是 很高兴有机会认识你。 再见，公主。我祝你幸福、安慰，并希望 在更快乐的环境中再次见到你。如果你不想让我 脸红，请不要谢我

解码字符串：

罗斯特夫不愿打扰公主，也没有回去 但她仍留在村子里等待她离开。当她 马车驶出了房子，他骑上马车，陪着她走了八个小时 从Boguchrovo到我军占领的道路数英里。在 在扬科沃的旅馆里，他第一次恭敬地向她告别 时间允许他吻她的手

你怎么能这么说！不愿意打扰公主， 罗斯特夫没有回到房子里，而是留在了村子里 等待她的离去。当她的马车驶出房子时，他 从Boguchrovo骑上并陪伴她八英里到达 这条路被我们的部队占领了。在扬科沃酒店，他恭敬地说 向她告别，这是他第一次允许自己吻她 手

你怎么能这么说！不愿意打扰公主， 罗斯特夫没有回到房子里，而是留在了村子里 等待她的离去。什么时候

---

奇怪的是，我在web上找到并测试过的其他实现（如和）似乎也会出现这种情况。发生了什么事？我是否误解了转换的工作原理？或者这个实现是不正确的

找到了答案！该算法基于以下假设：字符串连接到最后一个字符，该字符是唯一的，并且在词典学上比字符串中的任何其他字符都小。但是，由于我打算对任何给定字符使用0-255范围内的任何值，因此我不需要额外的符号。幸运的是，经过一些额外的bug修复，我已经能够稍微修改我的初始实现来解释这个事实。这是：

class BurrowsWheelerTransform:

    def __init__(self, data):
        self.data = data

    def transform(self):
        # get data size
        size = len(self.data)
        # get doubled string
        self.data *= 2
        # get order (by index) of rotations
        order = sorted(range(size), key=lambda i: self.data[i:])
        # get index of original rotation
        index = order.index(0)
        # return index appended with last column of (imaginary) rotation table
        return chr(255) * (index // 255) + chr(index % 255) + ''.join(self.data[(i - 1 + size) % size] for i in order)

    def restore(self):
        # get index of end of index
        eoi = next(i for i in range(len(self.data)) if ord(self.data[i]) < 255)
        # get index
        index = 255 * eoi + ord(self.data[eoi])
        # get tranformed content
        content = self.data[eoi + 1:]
        size = len(content)
        # get lshift array
        lshift = [i for symbol in sorted(set(content)) for i, x in enumerate(content) if x == symbol]
        # restore
        restored = ''
        for i in range(size):
            index = lshift[index]
            if index >= size: break
            restored += content[index]
        # return restored
        return restored

class BurrowsWheelerTransform：
定义初始化（自身，数据）：
self.data=数据
def转换（自）：
#获取数据大小
大小=长度（自身数据）
#获得双倍的字符串
self.data*=2
#获取旋转的顺序（通过索引）
顺序=排序（范围（大小），键=lambda i:self.data[i:]）
#获取原始旋转的索引
索引=顺序。索引（0）
#返回索引附加（虚拟）旋转表的最后一列
返回chr（255）*（索引//255）+chr（索引%255）+''.join（按顺序为i的self.data[（i-1+size）%size]））
def恢复（自我）：
#获取索引末尾的索引
如果ord（自数据[i]）<255，则eoi=next（i表示范围内的i（len（自数据）））
#获取索引
索引=255*eoi+ord（自身数据[eoi]）
#获取转换内容
content=self.data[eoi+1:]
大小=长度（内容）
#获取lshift数组
lshift=[i表示已排序（集合（内容））中的符号，如果x==symbol，则表示枚举（内容）中的i，x]
#恢复
还原=“”
对于范围内的i（尺寸）：
索引=lshift[索引]
如果索引>=大小：中断
还原+=内容[索引]
#恢复原状
恢复原状

---

谢谢你，约翰

找到了答案！该算法基于以下假设：字符串连接到最后一个字符，该字符是唯一的，并且在词典学上比字符串中的任何其他字符都小。但是，由于我打算对任何给定字符使用0-255范围内的任何值，因此我不需要额外的符号。幸运的是，还有一些额外的b