用重复的字符压缩字符串

Question

我的字符串只包含'U'，'D'，'L'，'R'字符（迷宫中的方向）。

字符串可能如下所示：

• RRRRRDRRDDDRRUUUUDDRRRRUULLU
• DDLDDLDDLDDLDDLDDLDDLDDLDDLDDL
• LUUURRDRRDLUUURRDRRD

我想压缩这一系列指令。

例如。

1。 压缩之前：ULULUL 压缩后：3（UL）

2。 压缩前：DDLDDLDDLDDLDDLDDLDDLDDLDDLDDL 压缩后：10（DDL）

3。 压缩前：LLLLDLLLLDLLLLD 压缩后：3（4LD）

有谁知道这样的算法？

感谢。

Answer 1

不，不要使用行程编码，结果会很糟糕。

相反，进行位打包：用2位编码四个方向中的每个方向，然后将4个2位对打包成一个字节。

所以：U = 00b（0d），D = 01b（1d），L = 10b（2d），R = 11b（3d）。< / p>

（注意：＆＃39; b＆＃39;后缀表示二进制，＆＃39; d＆＃39;后缀表示十进制。）

因此，LLLL = 10101010b只有1个字节长。

修改

根据OP的评论，结果表明压缩的结果必须是仅包含可打印字符的字符串。那么，我想说OP需要的算法称为Huffman Coding (wikipedia)。我不知道任何产生可打印文本的实现，（因为大多数会发现这样的事情会完全破坏压缩的目的），但理论上可以以输出为可打印字符的方式实现算法。无论如何，OP正在询问是否有人知道这样的算法，那就是它。

Answer 2

我创建并发布了一个使用Python正则表达式引擎提取重复字符块here的解决方案。

它并没有在所有情况下给出最短的答案，但接近。

我们的想法是逐步完成与此正则表达式的非重叠匹配：

(?P<repeat>(?P<chars>.+?)(?:(?P=chars))+)

Answer 3

是的，您正在寻找的是经典的run-length-encoding（比简单的方法更复杂，只需要重复个别角色）。