如何从编码输入中无损恢复数据及相关代码问题咨询

核心问题 #

• 无损恢复失败，输出文件尺寸始终大于源文件
• 解压循环无法正确终止，存在数据遗漏
• 疑问：位操作(x & 7)在还原中的作用，误以为它干扰数据

压缩代码片段 #

while (top > 0)
{
    
    str_xweight += bitset<4>(top).to_string();
    top >>= 4;
    // long long unsigned int u32t = pow(2,63);
    uint64_t u8t = top;
    top = 0;
    while ((u8t >> 3) > 0)
    {
        str_xweight += "1";
        str_xweight += bitset<3>(u8t).to_string();
        u8t >>= 3;
    }
    str_xweight += "0";
    str_xweight += bitset<3>(u8t).to_string();
}

注：该代码会被多次调用，输出的累计数据前会添加-$标记，但不会以该标记结尾。

解压代码片段 #

bool chk = false;
for (i = 0; section_str.length() > 4 ; )
{
    if (!chk)
        full_comp += section_str.substr(0,4);
    else
        return full_comp;
    section_str = section_str.substr(4);
    while (section_str.front() == '1')
    {
        full_comp += section_str.substr(1,3);
        section_str = section_str.substr(4);
        cout << "." << flush;
        chk = true;
    }
    if (chk && section_str.front() == '0')
    {
        cout << "?" << flush;
        full_comp += section_str.substr(1,3);
        section_str = section_str.substr(4);
        chk = false;
    }
}

压缩文件数据读取代码片段 #

uint64_t buf_cntA = 0, buf_cntB = 2, cntAB= 0, return_len = 0;
string binary_return_str = "";
ofstream out {filename_str.c_str(), std::ios_base::out | std::ios_base::trunc };
for (size_t i = 0; (full_size > buf_cntB + 8) ; i++)
{
    buf_cntA = buf.find("-$",buf_cntB);
    buf_cntB = buf.find("-$",buf_cntA);
    string buf_keep = buf.substr(buf_cntA+2,buf_cntB);
    buf_cntB += 2;
    if (buf_keep.length() == 0)
    {
        out << "        " << flush;
        // binary_return_str.clear();
        continue;
    }
    string return_str = retrieve(buf_keep);
    binary_return_str = bitsToBytes(return_str, return_len);
    
    out << binary_return_str << flush;
    binary_return_str.clear();
    
    cout << "\rLeft: " << (full_size - buf_cntB) << "         \r
" << flush;
}
}

问题分析与修复方案 #

1. 解压循环终止错误 #

• 解压代码逻辑缺陷：for循环条件section_str.length() > 4会直接丢弃长度≤4的剩余数据；且当chk = true时直接return full_comp，导致单个块未处理完就提前返回，丢失后续数据。
  • 修复：移除else return full_comp分支，改为处理完当前块后继续循环；将循环条件改为!section_str.empty()，并在内部判断剩余长度是否足够处理下一段位数据。
• 数据读取循环终止条件过严：full_size > buf_cntB +8的条件会忽略最后一段无-$标记的数据，因为最后一次buf_cntB会返回string::npos，导致这段数据完全没被处理。
  • 修复：单独处理最后一段：当buf_cntB == string::npos时，截取从buf_cntA+2到缓冲区结尾的内容进行解压处理。

2. 输出文件过大问题 #

• 解压代码中chk的逻辑错误，可能导致重复写入数据；另外bitsToBytes函数如果在补位时错误添加了多余的字节（比如未正确处理剩余不足8位的位流），也会导致文件体积膨胀。
  • 修复：严格匹配压缩与解压的位流结构：压缩时每个块的结构是[4位初始值] + ([1前缀+3位数据]*) + [0前缀+3位数据]，解压时需完全遵循该结构读取，避免重复或错误读取位段；同时检查bitsToBytes函数，确保仅在必要时补0位，且补位方向（高位补0/低位补0）与压缩时的字节转换逻辑一致。

3. (x & 7)的作用解析 #

7的二进制是0b111，x & 7的作用是精准提取x的低3位二进制数据，这和压缩代码中bitset<3>(u8t)的功能完全等价——都是用来拆分固定长度的位段。这个操作是位压缩的标准操作，不会干扰原有数据，是你的压缩逻辑中拆分u8t的核心步骤，完全正常。

内容的提问来源于stack exchange，提问作者Anthony Pulse