3

PHPに8語のシーケンスを保存したいが、圧縮を使用したくないとします。

単語は8つしかないので、それぞれにバイナリ値を割り当てて、ASCII単語の代わりにこれらのバイナリ値をファイルに保存することができます。

可能なバイナリ値は次のとおりです。

000, 001, 010, 011, 100, 101, 110, 111

これは、（1）各単語が同じサイズになり、（2）占有するスペースがはるかに少なくなるため、解析がはるかに効率的になります。

私の質問は：

PHPでこれを行うにはどうすればよいですか？バイナリ値を何かに割り当ててから、これをファイルに書き込んで（ビットを希望どおりに書き込んで）、これをもう一度読み取るにはどうすればよいですか？

私がこれをしたい理由は、効率的な索引付けシステムを作成するためです。

4

1 に答える 1

4

まず、データを圧縮する場合は、gzip拡張機能などのphp組み込み関数を使用します。

しかし、あなたが要求したように、私はこれがPHPでどのように行われるかについての例を用意しました。これは完璧ではなく、些細な実装です。各整数のビット30と32の間のギャップを使用すると、圧縮率が向上する可能性があります。たぶんこの機能を追加するでしょう...しかし、私はバイトを優先して32ビットの符号なし整数を使用しました。損失は、バイトあたり2ビットではなく、32ビットあたり2ビットです。

最初に、関係語=> 10進数、そのコーディングテーブルを含むルックアップテーブルを準備します。

<?php

// coding table
$lookupTable = array (
//  'word0' => chr(0), // reserved for 0 byte gap in last byte
    'word1' => chr(1),
    'word2' => chr(2),
    'word3' => chr(3),
    'word4' => chr(4),
    'word5' => chr(5),
    'word6' => chr(6),
    // reserve one word for white space
    ' ' => chr(7)
);

次に、圧縮機能があります。

/**
 *
 */
function _3bit_compress($text, $lookupTable) {

    echo 'before compression                  : ' . strlen($text) . ' chars', PHP_EOL;

    // first step is one byte compression using the lookup table
    $text = strtr($text, $lookupTable);
    echo 'after one byte per word compression : ' . strlen($text) . ' chars', PHP_EOL;

    $bin = ''; // the result
    $carrier = 0; // 32 bit usingned int can 'carry' 10 words in 3 bit notation

    for($c = 0; $c < strlen($text); $c++) {
        $triplet = $c % 10;
        // every 30 bits we add the 4byte unsigned integer to $bin.
        // please read the manual of pack
        if($triplet === 0 && $carrier !== 0) {
            $bin .= pack('N', $carrier);
            $carrier = 0;
        }

        $char = $text[$c];
        $carrier  <<= 3; // make space for the the next 3 bits
        $carrier += ord($char); // add the next 3 bit pattern
        // echo $carrier, ' added ' . ord($char), PHP_EOL;
    }
    $bin .= pack('N', $carrier); // don't forget the remaining bits
    echo 'after 3 bit compression             : ' . strlen($bin) . ' chars', PHP_EOL;
    return $bin;
}

そして解凍機能：

/**
 *
 */
function _3_bit_uncompress($compressed, $lookupTable) {
    $len = strlen($compressed);
    echo 'compressed length:            : ' . $len . ' chars', PHP_EOL;

    $i = 0;
    $tmp = '';
    $text = '';
    // unpack string as 4byte unsigned integer
    foreach(unpack('N*', $compressed) as $carrier) {
        while($i < 10) {
            $code = $carrier & 7; // get the next code
            // echo $carrier . ' ' . $code, PHP_EOL;
            $tmp = chr($code) . $tmp;
            $i++;
            $carrier >>= 3; // shift forward to the next 3 bits
        }
        $i = 0;
        $text = $text . $tmp;
        $tmp = '';
    }
    // reverse translate from decimal codes to words
    return strtr($text, array_flip($lookupTable));
}

次に、関数をテストします:)

$original = <<<EOF
word1 word2 word3 word4 word5 word6 word1 word3 word3  word2
EOF;


$compressed = _3bit_compress($original, $lookupTable);
$restored = _3_bit_uncompress($compressed, $lookupTable);

echo 'compressed size: ' . round(strlen($compressed) * 100 / strlen($original), 2) . '%', PHP_EOL;

echo 'Message before compression  : ' . $original, PHP_EOL;
echo 'Message after decompression : ' . $restored, PHP_EOL;

この例では、次のようになります。

before compression                  : 60 chars
after one byte per word compression : 20 chars
after 3 bit compression             : 8 chars
compressed length:            : 8 chars
compressed size: 13,33%
Message before compression  : word1 word2 word3 word4 word5 word6 word1 word3 word3  word2
Message after decompression : word1 word2 word3 word4 word5 word6 word1 word3 word3  word2

長い言葉でテストしている場合、圧縮率はもちろんさらに良くなります。

before compression                  : 112 chars
after one byte per word compression : 16 chars
after 3 bit compression             : 8 chars
compressed length:            : 8 chars
compressed size: 7,14%
Message before compression  : wooooooooord1 wooooooooord2 wooooooooord2 wooooooooord3 wooooooooord1 wooooooooord2 wooooooooord2 wooooooooord3 
Message after decompression : wooooooooord1 wooooooooord2 wooooooooord2 wooooooooord3 wooooooooord1 wooooooooord2 wooooooooord2 wooooooooord3
于 2013-02-28T04:33:32.733 に答える