2010年5月20日

base_convertで文字列圧縮

asial

Pocket

こんにちは、アシアルの岡本です。

とある事情により16進数の文字列を圧縮する必要に迫られました。
URLに載せる必要があるのでバイナリは駄目ですzlib関数は使えません。

「PHPのbase_convert関数を使って36進数に変えれば楽勝！」
と思ったのが運のつき。
長く険しい文字列圧縮の旅(大袈裟！)が始まってしまいました。

base_convert関数は数値の基数を任意に変換するＰＨＰの標準関数です。
こいつを使えば10進数の数字を16進数に変換したり、
16進数の数字を2進数に変換するといったことが一発で行えます。

この関数を活用し「16777216」という10進数を16進数に圧縮した場合、
「ffffff」と8文字から6文字に25%も圧縮できるのです。

しかし、PHPマニュアルの警告には
「大きな数値で base_convert() を使用すると、
精度が失われてしまうことがあります。」
とありました。
試してみましたが、残念ならが事実でした。
80バイトもあるような長い文字列で利用すると、似てるけど少し違う数字になってしまいます。

残念です。

「さて、どうしよう・・・」

自力で進数の変換コードを書く気力のなかった、
文系プログラマの僕はbase_convertに拘って、
文字列を適当な長さ(13桁までいけました)で区切る選択肢を選びました。

そうして作り上げた圧縮クラスが以下のソースコードになります。


<?php
/**
 * compress_by_base_convert 
 * N進数の文字列をもっと大きなM進数に置き換えて文字を圧縮するクラス
 * 
 * @copyright Asial
 * @author Yuki Okamoto <yuki@asial.co.jp> 
 */
class compressByBaseConvert
{
  var $compress_base = 36; 
  var $uncompress_base = 16; 
  var $split = 13; 
  var $delimiter = "-";
  /** 
   * compress 
   * 圧縮します
   * 
   * @param  string $string 
   * @return string
   */
  public function compress ($string)
  {
    // 分割しやすいよう0でパディングして、桁を分割したい数の倍数にする。
    $length = strlen($string);
    $padding_length = $this->split - ($length % $this->split);
    $join_length = ($length + $padding_length);
    $string = str_pad($string, $join_length, "0", STR_PAD_LEFT);
    // 分割し、0パディングを解除する
    $string_array = str_split($string, $this->split);
    $string_array[0] = ltrim($string_array[0], "0");
    // base_convertで圧縮
    foreach ($string_array as $split) {
      $compress = base_convert($split, $this->uncompress_base, $this->compress_base);
      $compress_array[] = $compress;
    }   
    // 連結して返す
    return implode($this->delimiter, $compress_array);
  }
  /** 
   * uncompress 
   * 解凍します
   * 
   * @param  string $string
   * @return string
   */
  public function uncompress($string)
  {
    // 配列に戻す
    $string_array = explode($this->delimiter, $string);
    // base_convertで解凍
    foreach ($string_array as $split) {
      $uncompress = base_convert($split, $this->compress_base, $this->uncompress_base);
      $uncompress_array[] = $uncompress;
    }   
    // 途中の0が落ちないように0パディングして連結
    $uncompress_join = ""; 
    foreach ($uncompress_array as $uncompress) {
       $uncompress_join .= str_pad($uncompress, $this->split, "0", STR_PAD_LEFT);
    }   
    // 上の桁の0は不要なのでtrimして削除
    $uncompress_join = ltrim($uncompress_join, 0); 
    return $uncompress_join;
  }
}
// 実証コード
$compress = new compressByBaseConvert();
$source   = "153733d3cd194c6b60e50f1dcf5cdf703a3a363031302d30352d31382036303a33313a3aa9e9a25ea53fb8a2";
$archive = $compress->compress($source);
$return = $compress->uncompress($archive);
var_dump($source, $archive, $return);