Метод RLE, сжатие и распаковка текстовых файлов

@Сергей28 · Регистрация: 22.10.2015

Студворк — интернет-сервис помощи студентам

Здравствуйте, подскажите пожалуйста, у меня такое вот задание по курсовой и я не совсем понимаю его. Самое задание -
Тема: Разработка программы для сжатия и распаковки текстовых файлов методом RLE.
Описание: Идея метода состоит в том, что последовательность одинаковых байт заменяются на пары "счетчик, значение". Для большей эффективности можно ограничиться рассмотрением одной половины таблицы ASCII - кодов (от 0 до 127). Тогда старший бит в байте равный 1 будет признаком счетчика и следующий за ним байт будет восприниматься как повторяемый символ. В противном случае очередной байт воспринимается как одиночный символ. Программа должна запускаться с командной строки с тремя параметрами: режим работы (сжатие распаковка); имя входного (текстового, двоичного) файла; имя выходного (двоичного или текстового) файла

Я когда начал делать, написал такую вот функцию: в векторе fileArrIn находятся элементы считанный из файла. И когда в выходной файл (out.txt) записываются сжатые символы, количество повторений одного символа, это соответствующий символ из таблицы ASCII. А если повторений больше либо равно 127 то символ 0-ой подставляю.

C++
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
void compression_file(vector<char>* fileArrIn) {
    ofstream fileOut("out.txt");
    int repet = 1;
    char code = 0;
    for (int i = 0; i < fileArrIn->size()-1; ++i) {
        if (fileArrIn->at(i) == fileArrIn->at(i + 1)) {
            code = ++repet;
            if (repet >= 127) code = 0;
        }
        else {
            if(repet > 1) fileOut << code << fileArrIn->at(i);
            else fileOut << fileArrIn->at(i);
            repet = 1;
        }
    }
    cout << "Сжатие данного файла было выполнено\n";
    fileOut.close();
}

И тут мне казалось что всё хорошо. Но потом я подумал, ведь признак счетчика у меня байт тогда. А в задание написано "Тогда старший бит в байте равный 1 будет признаком счетчика и следующий за ним байт будет восприниматься как повторяемый символ." Вот тут не совсем я понимаю, то есть один бит в байте должен быть счетчиком что ли ? И не понятно насчёт таблицы ASCII-кодов, нужно ли подставлять символы как я вот выше сделал, либо просто кол-во повторений нужно записывать, но а в чем её суть тогда вообще?
Заранее благодарю за ответ.

@Rius · 10.03.2018, 13:14

В байте значения от 0 до 255 включительно.
По заданию от 0 до 127 отведены под символы, или от 0x00 до 0x7f, 7 бит.
Если установлен старший бит, 0x80, то младшие 7 бит надо рассматривать как счётчик.
0x00 = 00000000b = 0
0x7f = 01111111b = 127
0x80 = 10000000b = 128
0xff = 11111111b = 255

@Сергей28 · 10.03.2018, 14:49 **[ТС]**

А ведь если старший бит установлен, то число же другое получается, ну допустим вот 2 = 0000 0010 а когда установили старший бит то уже 82 = 1000 0010

@Rius · 10.03.2018, 14:57

Ну и что? Бит можно как поставить, так и снять.

@Сергей28 · 10.03.2018, 15:15 **[ТС]**

Или же это нормально, просто при разжатии тогда можно сбрасывать эту 1 в старшем разряде, узнавать кол-во повторений символа, и тем самым отличать от одиночных символов, сжатые

Добавлено через 7 минут
Понятно, спасибо. Ну то есть если я правильно понимаю что можно сделать так:
К примеру есть последовательность "AA",
Затем после сжатия результат 82A,
Затем после разжатия снова "AA",

@Rius · 10.03.2018, 16:03

Нет.
Есть 0x01 0x01 0x01 0x01 0x01 0x02 0x03
будет 0x85 0x01 0x02 0x03

@Сергей28 · 10.03.2018, 16:15 **[ТС]**

Ой хотя нет, совсем запутался. Если 1 в старшем разряде, то тут же ещё отрицательное число в десятичной системе.

Добавлено через 3 минуты
Ну это в шестнадцатеричной

Добавлено через 6 минут
А как тогда выводить в шестнадцатеричном представлении или символы ASCII таблицы ? Просто сейчас у меня вот так вот

C++
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
void compression_file(vector<char>* fileArrIn) {
    ofstream fileOut("out.txt");
    int repet = 1;
    signed char code = 0; //Вывод символа
    for (int i = 0; i < fileArrIn->size()-1; ++i) {
        if (fileArrIn->at(i) == fileArrIn->at(i + 1)) {
            ++repet;
        }
        else {
            code = repet; //Кол-во повторений
            code |= (1 << 7); //Установка 1 в старший бит
            if(repet > 1) fileOut << code << fileArrIn->at(i); //Вывод
            else fileOut << fileArrIn->at(i);
            repet = 1;
        }
    }
    cout << "Сжатие данного файла было выполнено\n";
    fileOut.close();
}

@Rius · 10.03.2018, 16:16

В 16-ричном.

@Сергей28 · 10.03.2018, 17:03 **[ТС]**

Понял, спасибо

Добавлено через 45 минут
Извините, всё равно не понятно немного.
Вот моя функция:

C++
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
void compression_file(vector<char>* fileArrIn) {
    ofstream fileOut("out.txt");
    int repet = 1;
    unsigned short code = 0; //Вывод символа
    for (int i = 0; i < fileArrIn->size()-1; ++i) {
        if (fileArrIn->at(i) == fileArrIn->at(i + 1)) {
            ++repet;
        }
        else {
            code = repet; //Кол-во повторений
            code |= (1 << 7); //Установка 1 в старший бит
            if(repet > 1) fileOut << hex << code << fileArrIn->at(i); //Вывод
            else fileOut << fileArrIn->at(i);
            repet = 1;
        }
    }
    cout << "Сжатие данного файла было выполнено\n";
    fileOut.close();
}

В исходном файле такая вот последовательность WWWWWWWWWWW 11 повторений
После сжатия такая 8bW
А как потом определить что 8b это число в шестнадцатеричной, а не просто 8 и b а затем одиночный символ W.

@Rius · 10.03.2018, 17:14

Сообщение от Сергей28

В исходном файле такая вот последовательность WWWWWWWWWWW 11 повторений

Не WWWWWWWWWWW, а 0x57 0x57 0x57 0x57 0x57 0x57 0x57 0x57 0x57 0x57 0x57.
После будет 0x8b 0x57.

Сообщение от Сергей28

А как потом определить что 8b это число в шестнадцатеричной, а не просто 8 и b а затем одиночный символ W.

Не путайте разные системы в одном месте. Принимайте только байты и проблем не будет.

Добавлено через 3 минуты
В результат пишутся байты 0x8b 0x57, а не символы 8bW или 8b57.

Добавлено через 3 минуты
На экран байты выводятся в 16-ричном представлении. В файл - просто байты, как есть.

@Сергей28 · 10.03.2018, 17:25 **[ТС]**

А мне нужен бинарный файл? Сейчас то я с текстовым файлом работаю

@Rius · 10.03.2018, 17:38

Текстовый это тот же бинарный, подходящий под некоторые условные ограничения.
Если записать бинарным, будет сжатие типа "‹W", где '‹' - это символ с кодом 0x8b в кодировке windows-1251.
Если как-то заморачиваться представлением всего этого в текстовом виде, как 8b W, то всплывут эти проблемы:

Сообщение от Сергей28

После сжатия такая 8bW
А как потом определить что 8b это число в шестнадцатеричной, а не просто 8 и b а затем одиночный символ W.

@Сергей28 · 10.03.2018, 17:46 **[ТС]**

Понятно, спасибо Вам большое

Новые блоги и статьи Все статьи Все блоги /
PhpStorm 2025.3: WSL Terminal всегда стартует в ~ and_y87 14.12.2025 PhpStorm 2025. 3: WSL Terminal всегда стартует в ~ (home), игнорируя директорию проекта Симптом: После обновления до PhpStorm 2025. 3 встроенный терминал WSL открывается в домашней директории. . .	Как объединить две одинаковые БД Access с разными данными VikBal 11.12.2025 Помогите пожалуйста !! Как объединить 2 одинаковые БД Access с разными данными.	Новый ноутбук volvo 07.12.2025 Всем привет. По скидке в "черную пятницу" взял себе новый ноутбук Lenovo ThinkBook 16 G7 на Амазоне: Ryzen 5 7533HS 64 Gb DDR5 1Tb NVMe 16" Full HD Display Win11 Pro	Музыка, написанная Искусственным Интеллектом volvo 04.12.2025 Всем привет. Некоторое время назад меня заинтересовало, что уже умеет ИИ в плане написания музыки для песен, и, собственно, исполнения этих самых песен. Стихов у нас много, уже вышли 4 книги, еще 3. . .	От async/await к виртуальным потокам в Python IndentationError 23.11.2025 Армин Ронахер поставил под сомнение async/ await. Создатель Flask заявляет: цветные функции - провал, виртуальные потоки - решение. Не threading-динозавры, а новое поколение лёгких потоков. Откат?. . .
Поиск "дружественных имён" СОМ портов Argus19 22.11.2025 Поиск "дружественных имён" СОМ портов На странице: https:/ / norseev. ru/ 2018/ 01/ 04/ comportlist_windows/ нашёл схожую тему. Там приведён код на С++, который показывает только имена СОМ портов, типа,. . .	Сколько Государство потратило денег на меня, обеспечивая инсулином. Programma_Boinc 20.11.2025 Сколько Государство потратило денег на меня, обеспечивая инсулином. Вот решила сделать интересный приблизительный подсчет, сколько государство потратило на меня денег на покупку инсулинов. . . .	Ломающие изменения в C#.NStar Alpha Etyuhibosecyu 20.11.2025 Уже можно не только тестировать, но и пользоваться C#. NStar - писать оконные приложения, содержащие надписи, кнопки, текстовые поля и даже изображения, например, моя игра "Три в ряд" написана на этом. . .	Мысли в слух kumehtar 18.11.2025 Кстати, совсем недавно имел разговор на тему медитаций с людьми. И обнаружил, что они вообще не понимают что такое медитация и зачем она нужна. Самые базовые вещи. Для них это - когда просто люди. . .	Создание Single Page Application на фреймах krapotkin 16.11.2025 Статья исключительно для начинающих. Подходы оригинальностью не блещут. В век Веб все очень привыкли к дизайну Single-Page-Application . Быстренько разберем подход "на фреймах". Мы делаем одну. . .

@Rius 13028 / 7595 / 1662 Регистрация: 25.05.2015 Сообщений: 23,124 Записей в блоге: 14
	10.03.2018, 13:14
	В байте значения от 0 до 255 включительно. По заданию от 0 до 127 отведены под символы, или от 0x00 до 0x7f, 7 бит. Если установлен старший бит, 0x80, то младшие 7 бит надо рассматривать как счётчик. 0x00 = 00000000b = 0 0x7f = 01111111b = 127 0x80 = 10000000b = 128 0xff = 11111111b = 255 0

@Сергей28 0 / 0 / 1 Регистрация: 22.10.2015 Сообщений: 55
	10.03.2018, 14:49 [ТС]
	А ведь если старший бит установлен, то число же другое получается, ну допустим вот 2 = 0000 0010 а когда установили старший бит то уже 82 = 1000 0010 0

@Rius 13028 / 7595 / 1662 Регистрация: 25.05.2015 Сообщений: 23,124 Записей в блоге: 14
	10.03.2018, 14:57
	Ну и что? Бит можно как поставить, так и снять. 1

@Сергей28 0 / 0 / 1 Регистрация: 22.10.2015 Сообщений: 55
	10.03.2018, 15:15 [ТС]
	Или же это нормально, просто при разжатии тогда можно сбрасывать эту 1 в старшем разряде, узнавать кол-во повторений символа, и тем самым отличать от одиночных символов, сжатые Добавлено через 7 минут Понятно, спасибо. Ну то есть если я правильно понимаю что можно сделать так: К примеру есть последовательность "AA", Затем после сжатия результат 82A, Затем после разжатия снова "AA", 0

@Rius 13028 / 7595 / 1662 Регистрация: 25.05.2015 Сообщений: 23,124 Записей в блоге: 14
	10.03.2018, 16:03
	Нет. Есть 0x01 0x01 0x01 0x01 0x01 0x02 0x03 будет 0x85 0x01 0x02 0x03 0

@Rius 13028 / 7595 / 1662 Регистрация: 25.05.2015 Сообщений: 23,124 Записей в блоге: 14
	10.03.2018, 16:16
	В 16-ричном. 0

@Сергей28 0 / 0 / 1 Регистрация: 22.10.2015 Сообщений: 55
	10.03.2018, 17:25 [ТС]
	А мне нужен бинарный файл? Сейчас то я с текстовым файлом работаю 0

@Сергей28 0 / 0 / 1 Регистрация: 22.10.2015 Сообщений: 55
	10.03.2018, 17:46 [ТС]
	Понятно, спасибо Вам большое 0