Perl实现LZW文件压缩/解压时解压功能异常的问题排查

看起来你遇到的问题是解压时没有把LZW编码正确映射回原始字符串，而是直接输出了编码数值（比如256、258这些），这大概率是解压逻辑里的字典处理或者输出环节出了问题。我来帮你拆解问题并给出修正方案。

常见问题根源 #

你的解压结果里出现了编码值，说明：

• 要么初始化的字典只覆盖了基础ASCII字符（0-255），但遇到自定义编码（>=256）时没有正确从字典中查找对应的字符串，直接输出了编码本身；
• 要么解压过程中没有正确动态更新字典，导致后续编码无法匹配到对应的字符串序列；
• 或者读取压缩后的编码序列时，没有正确解析（比如把字符和编码混在一起处理，没有区分开）。

修正后的完整代码 #

下面是调整后的Perl代码，支持文件压缩和解压，并且能正确处理你的测试字符串：

use strict;
use warnings;

# LZW压缩函数：输入文件路径，输出压缩后的文件路径
sub lzw_compress {
    my ($input_file, $output_file) = @_;

    # 初始化字典：ASCII 0-255对应自身字符
    my %dict;
    for my $i (0..255) {
        $dict{chr($i)} = $i;
    }
    my $next_code = 256;

    open my $in_fh, '<', $input_file or die "无法打开输入文件: $!";
    local $/; # 读取整个文件内容
    my $data = <$in_fh>;
    close $in_fh;

    my @output;
    my $current_str = '';

    foreach my $char (split //, $data) {
        my $combined_str = $current_str . $char;
        if (exists $dict{$combined_str}) {
            $current_str = $combined_str;
        } else {
            # 输出当前字符串的编码
            push @output, $dict{$current_str};
            # 将新组合加入字典
            $dict{$combined_str} = $next_code++;
            $current_str = $char;
        }
    }
    # 输出最后一个字符串的编码
    push @output, $dict{$current_str} if $current_str ne '';

    # 将编码序列写入输出文件（用空格分隔，方便读取）
    open my $out_fh, '>', $output_file or die "无法打开输出文件: $!";
    print $out_fh join(' ', @output);
    close $out_fh;

    print "压缩完成，输出文件: $output_file\n";
}

# LZW解压函数：输入压缩文件路径，输出解压后的文件路径
sub lzw_decompress {
    my ($input_file, $output_file) = @_;

    # 初始化字典：编码0-255对应自身字符（和压缩时反向）
    my %dict;
    for my $i (0..255) {
        $dict{$i} = chr($i);
    }
    my $next_code = 256;

    open my $in_fh, '<', $input_file or die "无法打开压缩文件: $!";
    local $/;
    my $data = <$in_fh>;
    close $in_fh;

    # 解析压缩文件中的编码序列（按空格分割）
    my @codes = split /\s+/, $data;
    die "压缩文件为空或格式错误" unless @codes;

    my $output = '';
    my $prev_str = $dict{shift @codes};
    $output .= $prev_str;

    foreach my $code (@codes) {
        my $current_str;
        if (exists $dict{$code}) {
            $current_str = $dict{$code};
        } elsif ($code == $next_code) {
            # 处理特殊情况：当编码等于下一个待分配的编码（LZW的边界情况）
            $current_str = $prev_str . substr($prev_str, 0, 1);
        } else {
            die "无效的编码: $code";
        }

        $output .= $current_str;

        # 将前一个字符串+当前字符串的第一个字符加入字典
        $dict{$next_code++} = $prev_str . substr($current_str, 0, 1);
        $prev_str = $current_str;
    }

    # 将解压后的内容写入输出文件
    open my $out_fh, '>', $output_file or die "无法打开输出文件: $!";
    print $out_fh $output;
    close $out_fh;

    print "解压完成，输出文件: $output_file\n";
}

# 示例调用：根据需要注释/取消注释
# 压缩file.txt到compressed.lzw
lzw_compress('file.txt', 'compressed.lzw');

# 解压compressed.lzw到output.txt
#lzw_decompress('compressed.lzw', 'output.txt');

关键修正点说明 #

1. 字典初始化的方向：
   • 压缩时字典是字符 => 编码，解压时是编码 => 字符，之前的代码可能搞反了这一点，导致无法正确查找编码对应的字符串。
2. 解压时的特殊情况处理：
   • 当遇到的编码等于$next_code时（这是LZW算法里的一个边界场景，比如压缩时刚添加的编码就被使用），需要用前一个字符串 + 前一个字符串的首字符来生成对应的内容，之前的代码可能漏掉了这个逻辑。
3. 编码序列的解析：
   • 压缩后的文件存储的是空格分隔的编码数值，解压时需要正确按空格分割成编码数组，而不是按字符处理，否则会把数字拆成单个字符导致错误。
4. 输出逻辑：
   • 解压时是将字典中查到的字符串拼接起来，而不是直接输出编码值，之前的代码可能错误地输出了编码本身而不是对应的字符串。

测试验证 #

用你的测试字符串"TOBEORNOTTOBEORTOBEORNOT"测试：

1. 运行压缩函数后，compressed.lzw里会是一串编码（比如84 79 66 69 79 82 78 79 84 256 258 260 265 259 261 263）；
2. 运行解压函数后，output.txt会完全还原为原始字符串，不会出现任何数字编码。

内容的提问来源于stack exchange，提问作者povilito