DEFLATE：如何处理“没有距离代码”的情况？

Question

我主要获得 RFC 1951，但是我不太清楚如何管理（使用动态霍夫曼表时）不需要或不存在距离代码的情况。例如，让我们输入：

abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ01234567890987654321ZYXWVUTSR

因为没有长度 >= 3 的重复，所以不可能有反向引用。 根据 RFC 1951，无论如何都必须存在至少一个距离代码，否则将无法对 HDIST - 1 进行编码。根据参考资料，我理解这样的代码应该是零位以表示“没有距离代码” ”。

一个零位的距离码表示没有距离码 完全使用（数据都是文字）。

在 infgen 符号中，我希望看到 dist 0 0。

分析 gzip 对 infgen 的作用，但是，我看到为上述输入发出了两个距离代码（每个 1 位长）（即使当时没有实际使用）：

! infgen 2.4 output
!
gzip
!
last
dynamic
litlen 48 6
litlen 49 6
litlen 50 6
...cut...
litlen 121 6
litlen 122 6
litlen 256 6
dist 0 1
dist 1 1
literal 'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ01234567890987654321Z
literal 'YXWVUTSR
end
!
crc
length

那么在这些情况下正确的行为是什么？

Answer 1

如果 deflate 块中没有匹配项，则长度/文字代码中将没有长度，因此解码器将永远不会寻找距离代码。在这种情况下，最有意义的是根本不提供有关距离代码的信息。

但是格式不允许这样做，因为标头中的 5 位 HDIST 值被解释为 1 到 32 个距离代码，必须在标头中提供长度。您必须在标头中提供至少一个距离码长度，即使它永远不会被使用。

在这种情况下，您可以做几件有效的事情。 RFC 1951 指出，您可以提供一个长度为零的距离代码（HDIST == 0，表示一个长度），即长度列表中的一个零。

还允许提供一个长度为 1 的代码，或者您可以像 zlib 一样提供两个长度为 1 的代码。您实际上可以将任何您喜欢的有效距离代码描述放在那里，它仍然会被接受。

至于为什么 zlib 的 deflate 选择在那里定义两个代码，我只能猜测 Jean-loup 是保守的，写了一些他知道即使是过度简化的充气机也不得不接受的东西。 gzip 和 zopfli 都做同样的事情。当只使用一个距离代码时，它们都做同样的事情。根据 RFC，它们可以仅发出单个一位距离代码，但它们会发出两个单位距离代码，其中一个从未使用过。

真正正确的做法是编写 RFC 中所述的单个零长度，这将占用标头中的最少位数。我会考虑更新 zlib 来做到这一点，以进行更多的压缩。