C語言實現短字符串壓縮的三種方法詳解
前言
上一篇探索瞭LZ4的壓縮和解壓性能，以及對LZ4和ZSTD的壓縮、解壓性能進行瞭橫向對比。文末的最後也給瞭一個彩蛋：任意長度的字符串都可以被ZSTD、LZ4之類的壓縮算壓縮得很好嗎？
本篇我們就來一探究竟。
一、通用算法的短字符壓縮
開門見山，我們使用一段比較短的文本：Narrator: It is raining today. So, Peppa and George cannot play outside.Peppa: Daddy, it's stopped raining.
使用ZSTD與LZ4分別壓縮一下上面這段短文本。下面分別是它們的壓縮結果。
ZSTD：
LZ4：
對短文本的壓縮，zstd的壓縮率很低，lz4壓縮後的文本長度盡然超過瞭原有字符串的長度。這是為什麼？說實話在這之前我也沒想到。
引用兩位大佬的名言：
Are you ok?
What's your problem?
二、短字符串壓縮
從上面的結果可以得知，任何壓縮算法都有它的使用場景，並不是所有長度的字符串都適合被某種算法壓縮。一般原因是通用壓縮算法維護瞭被壓縮字符串的，用於字符串還原的相關數據結構，而這些數據結構的長度超過瞭被壓縮短字符串的自身長度。
那麼問題來瞭，“我真的有壓縮短字符串的需求，我想體驗壓縮的極致感，怎麼辦？”。
短字符壓縮算法它來瞭。這裡挑選瞭3種比較優異的短字符壓縮算法，分別是smaz，shoco，以及壓軸的unisox2。跟前兩章一樣，還是從壓縮率，壓縮和解壓縮性能的角度，一起看看他們在短字符壓縮場景的各自表現吧。
（1）Smaz
1、Smaz的壓縮和解壓縮
#include <stdio.h>
#include <string.h>
#include <iostream>
#include "smaz.h"
using namespace std;
int main()
{
int buf_len;
int com_size;
int decom_size;
char com_buf[4096] = {0};
char decom_buf[4096] = {0};
char str_buf[1024] = "Narrator: It is raining today. So, Peppa and George cannot play outside.Peppa: Daddy, it's stopped raining.";
buf_len = strlen(str_buf);
com_size = smaz_compress(str_buf, buf_len, com_buf, 4096);
cout << "text size:" << buf_len << endl;
cout << "compress text size:" << com_size << endl;
cout << "compress ratio:" << (float)buf_len / (float)com_size << endl << endl;
decom_size = smaz_decompress(com_buf, com_size, decom_buf, 4096);
cout << "decompress text size:" << decom_size << endl;
if(strncmp(str_buf, decom_buf, buf_len)) {
cout << "decompress text is not equal to source text" << endl;
}
return 0;
}
執行結果如下：
通過smaz壓縮後的短字符串長度為77，和源字符串相比，減少瞭30Byte。
2、Smaz的壓縮和解壓縮性能
#include <stdio.h>
#include <string.h>
#include <iostream>
#include <sys/time.h>
#include "smaz.h"
using namespace std;
int main()
{
int cnt = 0;
int buf_len;
int com_size;
int decom_size;
timeval st, et;
char *com_ptr = NULL;
char* decom_ptr = NULL;
char str_buf[1024] = "Narrator: It is raining today. So, Peppa and George cannot play outside.Peppa: Daddy, it's stopped raining.";
buf_len = strlen(str_buf);
gettimeofday(&st, NULL);
while(1) {
com_ptr = (char *)malloc(buf_len);
com_size = smaz_compress(str_buf, buf_len, com_ptr, buf_len);
free(com_ptr);
cnt++;
gettimeofday(&et, NULL);
if(et.tv_sec - st.tv_sec >= 10) {
break;
}
}
cout << endl <<"compress per second:" << cnt/10 << " times" << endl;
cnt = 0;
com_ptr = (char *)malloc(buf_len);
com_size = smaz_compress(str_buf, buf_len, com_ptr, buf_len);
gettimeofday(&st, NULL);
while(1) {
// decompress length not more than origin buf length
decom_ptr = (char *)malloc(buf_len + 1);
decom_size = smaz_decompress(com_ptr, com_size, decom_ptr, buf_len + 1);
// check decompress length
if(buf_len != decom_size) {
cout << "decom error" << endl;
}
free(decom_ptr);
cnt++;
gettimeofday(&et, NULL);
if(et.tv_sec - st.tv_sec >= 10) {
break;
}
}
cout << "decompress per second:" << cnt/10 << " times" << endl << endl;
free(com_ptr);
return 0;
}
結果如何？
壓縮性能在40w條/S，解壓在百萬級，好像還不錯哈！
（2）Shoco
1、Shoco的壓縮和解壓縮
#include <stdio.h>
#include <string.h>
#include <iostream>
#include "shoco.h"
using namespace std;
int main()
{
int buf_len;
int com_size;
int decom_size;
char com_buf[4096] = {0};
char decom_buf[4096] = {0};
char str_buf[1024] = "Narrator: It is raining today. So, Peppa and George cannot play outside.Peppa: Daddy, it's stopped raining.";
buf_len = strlen(str_buf);
com_size = shoco_compress(str_buf, buf_len, com_buf, 4096);
cout << "text size:" << buf_len << endl;
cout << "compress text size:" << com_size << endl;
cout << "compress ratio:" << (float)buf_len / (float)com_size << endl << endl;
decom_size = shoco_decompress(com_buf, com_size, decom_buf, 4096);
cout << "decompress text size:" << decom_size << endl;
if(strncmp(str_buf, decom_buf, buf_len)) {
cout << "decompress text is not equal to source text" << endl;
}
return 0;
}
執行結果如下：
通過shoco壓縮後的短字符串長度為86，和源字符串相比，減少瞭21Byte。壓縮率比smaz要低。
2、Shoco的壓縮和解壓縮性能
#include <stdio.h>
#include <string.h>
#include <iostream>
#include <sys/time.h>
#include "shoco.h"
using namespace std;
int main()
{
int cnt = 0;
int buf_len;
int com_size;
int decom_size;
timeval st, et;
char *com_ptr = NULL;
char* decom_ptr = NULL;
char str_buf[1024] = "Narrator: It is raining today. So, Peppa and George cannot play outside.Peppa: Daddy, it's stopped raining.";
buf_len = strlen(str_buf);
gettimeofday(&st, NULL);
while(1) {
com_ptr = (char *)malloc(buf_len);
com_size = shoco_compress(str_buf, buf_len, com_ptr, buf_len);
free(com_ptr);
cnt++;
gettimeofday(&et, NULL);
if(et.tv_sec - st.tv_sec >= 10) {
break;
}
}
cout << endl <<"compress per second:" << cnt/10 << " times" << endl;
cnt = 0;
com_ptr = (char *)malloc(buf_len);
com_size = shoco_compress(str_buf, buf_len, com_ptr, buf_len);
gettimeofday(&st, NULL);
while(1) {
// decompress length not more than origin buf length
decom_ptr = (char *)malloc(buf_len + 1);
decom_size = shoco_decompress(com_ptr, com_size, decom_ptr, buf_len + 1);
// check decompress length
if(buf_len != decom_size) {
cout << "decom error" << endl;
}
free(decom_ptr);
cnt++;
gettimeofday(&et, NULL);
if(et.tv_sec - st.tv_sec >= 10) {
break;
}
}
cout << "decompress per second:" << cnt/10 << " times" << endl << endl;
free(com_ptr);
return 0;
}
執行結果如何呢？
holy shit！壓縮和解壓縮居然都達到瞭驚人的百萬級。就像算法作者們自己說的一樣：“在長字符串壓縮領域，shoco不想與通用壓縮算法競爭，我們的優勢是短字符的快速壓縮，雖然壓縮率很爛！”。這樣說，好像也沒毛病。
（3）Unisox2
我們再來看看unisox2呢。
1、Unisox2的壓縮和解壓縮
#include <stdio.h>
#include <string.h>
#include "unishox2.h"
int main()
{
int buf_len;
int com_size;
int decom_size;
char com_buf[4096] = {0};
char decom_buf[4096] = {0};
char str_buf[1024] = "Narrator: It is raining today. So, Peppa and George cannot play outside.Peppa: Daddy, it's stopped raining.";
buf_len = strlen(str_buf);
com_size = unishox2_compress_simple(str_buf, buf_len, com_buf);
printf("text size:%d\n", buf_len);
printf("compress text size:%d\n", com_size);
printf("compress ratio:%f\n\n", (float)buf_len / (float)com_size);
decom_size = unishox2_decompress_simple(com_buf, com_size, decom_buf);
printf("decompress text size:%d\n", decom_size);
if(strncmp(str_buf, decom_buf, buf_len)) {
printf("decompress text is not equal to source text\n");
}
return 0;
}
結果如下：
通過Unisox2壓縮後的短字符串長度為67，和源字符串相比，減少瞭40Byte，相當於是打瞭6折啊！不錯不錯。
2、Unisox2的壓縮和解壓縮性能
Unisox2的壓縮能力目前來看是三者中最好的，如果他的壓縮和解壓性能也不錯的話，那就真的就比較完美瞭。再一起看看Unisox2的壓縮和解壓性能吧！
#include <stdio.h>
#include <string.h>
#include <malloc.h>
#include <sys/time.h>
#include "unishox2.h"
int main()
{
int cnt = 0;
int buf_len;
int com_size;
int decom_size;
struct timeval st, et;
char *com_ptr = NULL;
char* decom_ptr = NULL;
char str_buf[1024] = "Narrator: It is raining today. So, Peppa and George cannot play outside.Peppa: Daddy, it's stopped raining.";
buf_len = strlen(str_buf);
gettimeofday(&st, NULL);
while(1) {
com_ptr = (char *)malloc(buf_len);
com_size = unishox2_compress_simple(str_buf, buf_len, com_ptr);
free(com_ptr);
cnt++;
gettimeofday(&et, NULL);
if(et.tv_sec - st.tv_sec >= 10) {
break;
}
}
printf("\ncompress per second:%d times\n", cnt/10);
cnt = 0;
com_ptr = (char *)malloc(buf_len);
com_size = unishox2_compress_simple(str_buf, buf_len, com_ptr);
gettimeofday(&st, NULL);
while(1) {
// decompress length not more than origin buf length
decom_ptr = (char *)malloc(buf_len + 1);
decom_size = unishox2_decompress_simple(com_ptr, com_size, decom_ptr);
// check decompress length
if(buf_len != decom_size) {
printf("decom error\n");
}
free(decom_ptr);
cnt++;
gettimeofday(&et, NULL);
if(et.tv_sec - st.tv_sec >= 10) {
break;
}
}
printf("decompress per second:%d times\n\n", cnt/10);
free(com_ptr);
return 0;
}
執行結果如下：
事與願違，Unisox2雖然有三個算法中最好的壓縮率，可是卻也擁有最差的壓縮和解壓性能。跟前兩章分析的不謀而合：有高壓縮率，就會損失自身的壓縮性能，兩者不可兼得。
三、總結
本篇分享瞭smaz，shoco，unisox2三種短字符串壓縮算法，分別探索瞭它們各自的壓縮率與壓縮和解壓縮性能，結果如下表所示。
表1
shoco的壓縮率最低，但是擁有最高的壓縮和解壓速率；smaz居中；unisox2擁有最高的壓縮率，可是它的壓縮和解壓性能最低。
結論與前兩章有關長字符串壓縮的分析不謀而合：擁有高壓縮率，就會損失自身的壓縮性能，兩者不可兼得。
實際使用還是看自身需求和環境吧。如果適當壓縮就好，那就可以選用shoco，畢竟性能高；想要節約更多的空間，那就選擇smaz或者unisox2。
到此這篇關於C語言實現短字符串壓縮的三種方法詳解的文章就介紹到這瞭,更多相關C語言短字符串壓縮內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！
推薦閱讀：
- C語言字符串壓縮之ZSTD算法詳解
- C++字符數組、字符數組指針和string類
- 一文詳解C++中動態內存管理
- 詳解C/C++內存管理
- C/C++自主分配出現double free or corruption問題解決