上一篇我們對自己實現的基於GZIP的壓縮算法進行測試，對於有些文件壓縮效率還是可觀的，不過，直接採用huffman壓縮思想卻存在一定缺陷。
1.缺陷：
①需要創建huffman樹，如果不同種類字節出現比較多的情況下，huffman樹會很大。
比如：待壓縮文件中有250個不同字符種類（一個字節能表示最多256個不同的字節），該250個字節都在huffman樹葉子節點的位置，那麼將來會有(250 + 249)個節點，佔用內存較大，且獲取編碼的效率低（遞歸獲取）
②huffman樹如果比較大，解壓縮效率低。由於解壓縮時不斷從根節點往葉子節點方向移動，重複次數多。
③爲了能夠解壓縮，壓縮完成後必須在壓縮文件中保存字符頻度信息。如果待壓縮中間字節不同種類多，出現次數比較均勻，那麼壓縮後字符頻度信息表將會佔很大空間，影響壓縮bu比率。
改進措施：不要直接採用huffman樹，推薦採用範式huffman樹
什麼是範式huffman樹：範式huffman樹是在huffman樹的基礎之上，進行了一些強制性的約定，即：對於同一層節點中，所有的葉子節點都調整到左邊，然後，對於同一層的葉子節點按照符號順序從小到大調整 ，最後按照左0右1的方式分配編碼 參考博客
此過程可大大降低編碼複雜度，根據特性即可計算出每個葉子節點的編碼。不過在計算葉子節點編碼之前，需要拿到每個葉子節點的碼字長度（該葉子節點在樹中的高度）
2.範式huffman樹的創建：
①模擬Huffman樹的創建（採用靜態數組來模擬huffman樹）
遍歷壓縮文件，統計每個字符出現的頻度，然後採用數組的方式模擬huffman樹。
採用靜態數組構建huffman樹
範式huffman樹和普通huffman樹最終獲取的每個字節的編碼長度實際是一樣的
採用範式huffman樹的優點
①只需要用數組模擬出huffman樹，節省內存空間
②用範式huffman樹獲取編碼的效率更快，不需要再去遍歷huffman樹
③關於壓縮數據的保存，不需要保存頻度，只需保存編碼長度
將256個字符種類用前256個字節來保存編碼長度
比如：········000024340001232000········
每個字符對應位置保存編碼長度，沒有的就用0表示。
下面又引入新的問題？如何只通過編碼長度就能獲取字符編碼
解決方案：在上述方式的基礎上再進行了壓縮-----遊程編碼
3.什麼是遊程編碼？
例：4, 4, 4, 4, 4, 3, 3, 3, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 0, 0, 0, 0, 0, 0, 2, 2, 2, 2
壓縮後：4, 16, 01（二進制）, 3, 3, 3, 6, 16, 11（二進制）, 16, 00（二進制）,17,011（二進制）, 2, 16, 00（二進制）
這是什麼意思呢？因爲CL的範圍是0-15，GZIP認爲重複出現2次太短就不用遊程編碼了，所以遊程長度從3開始。用16這個特殊的數表示重複出現3、4、5、6個這樣一個遊程，分別後面跟着00、01、10、11表示（實際存儲的時候需要低比特優先存儲，需要把比特倒序來存，博文的一些例子有時候會忽略這點，實際寫程序的時候一定要注意，否則會得到錯誤結果）。於是4,4,4,4,4,這段遊程記錄爲4,16,01，也就是說，4這個數，後面還會連續出現了4次。6,16,11,16,00表示6後面還連續跟着6個6，再跟着3個6；因爲連續的0出現的可能很多，所以用17、18這兩個特殊的數專門表示0遊程，17後面跟着3個比特分別記錄長度爲3-10（總共8種可能）的遊程；18後面跟着7個比特表示11-138（總共128種可能）的遊程。17,011（二進制）表示連續出現6
個0；18,0111110（二進制）表示連續出現62個0。總之記住，0-15是CL可能出現的值，16表示除了0以外的其它遊程；17、18表示0遊程。
因爲二進制實際上也是個整數所以上面的序列用整數表示爲：
4, 16, 1, 3, 3, 3, 6, 16, 3, 16, 0, 17, 3, 2, 16, 0
參考文檔
4.基於Huffman編碼的壓縮和解壓縮
① 從壓縮數據中獲取符號的編碼位長，構建符號位長表。
②根據編碼位長建立解碼錶。(根據範式huffman樹的特點，前文講過)
③解碼
5.距離的壓縮
LZ77在查找緩衝區中找匹配時，最長的距離不會超過32K，即最大的距離爲32768，即距離的範圍是[1,32768]，距離會非常多，雖然不會達到3276個，但是如果對於一個比較大的文件進行LZ編碼，distance上千還是很正常的，因此會導致huffman樹非常大，計算量和內存消耗都會超過當時的硬件條件，怎麼辦呢？
GZIP提供了一種非常好的方式，將distance劃分成多個區間，每個區間當做一個整數來看，該整數稱爲Distance Code。當一個distance落到某個區間，則相當於出現了那個Code，雖然distance很多，Distance Code可以劃分少一點，即多個distance對應一個Distance Code，最後只需要對Distance Code
進行huffman編碼即可。得到Code後，Distance Code再根據一定規則擴展出來。GZIP最終將distance劃分成了30個區間
6.原字符和長度的壓縮
原字符表示在LZ77中未匹配的字符，長度表示重複字符串的個數，都佔了一個字節，因此GZIP將其壓縮合二爲一了，即對於原字符和距離採用同一棵huffman樹進行處理。原字符的範圍是[0, 255]，距離是[3, 258]，如何進行處理呢？
GZIP用整數0~255表示原字符，256表示結束標誌，即解碼以後是256表示解碼結束，從257開始表示距離，比如：257表示重複3個字符，258重複4個字符，但GZIP並沒有一直這麼一一對應，而是採用了和distance
類似的方式進行分區，總共將距離劃分成了29個區間.
筆者能理解就這麼多，有興趣可以自己在網上找資料。