AS3 – Algoritmo JVM en as3 y php de compresión y descompresión de documentos html generados por as3

En esta ocasión comparto una librería o algoritmo que hice hace tiempo para comprimir documentos de gran tamaño.

El algoritmo jvm (Si, le puesto mis iníciales soy así de hortera) puede utilizarse con cualquier documento, pero es más eficiente con código HTML generado desde AS3, aunque es posible optimizarlo para otros sustituyendo en el array manualMath las cadenas especificas que se repiten con más frecuencia en los tipos de documentos que vayamos a comprimir, por ejemplo en el HTML generado por AS3 suelen ser las siguientes FONT, TEXTFORMAT, KERNING etc.

Si se comprimen textos muy pequeños el resultado será prácticamente el mismo e incluso mayor que el original, esto es normal ya que el resultado se aprecia cuanto más grande es el texto sobre todo si se trata de código HTML de AS3.

También comprimiría mas si utilizase más símbolos pero me encontré problemas con las codificaciones que no supe resolver y finalmente utilice unos pocos símbolos que supuestamente no dan problemas.

En el ejemplo podéis ver el código HTML de un documento de una sola página que ocupa unos 9.409 caracteres, el documento en si es poca cosa pero el HTML infla el tamaño considerablemente, pues bien el compresor realiza una compresión de 9.409 a 3.478 esto viene a ser una compresión superior al 50% del documento original. Gracias al compresor pude tratar y guardar en la base de datos gran cantidad de documentos de más de 30 páginas en HTML con más de 300.000 caracteres cada uno con un coste de procesamiento minimo.

Se me ocurre que también podría servir para encriptar texto, eso sí, sin clave pero se podría implementar.

Por ejemplo aquí abajo vemos el resultado de encriptar una frase.

Con diez cañones por banda viento en popa a toda vela no corre si no vuela un velero bergantín. (Bricobit)
þel,ý co,ü da,û en,ú er,ù ie,ø an,÷ no,ö on,õ or,ô po,ó to,òþÿCõ døz cañões pô b÷û viúò ú ópa a òû výa ö ürre si ö vuýa un výùo bùg÷tín. (Briübit)

Bueno no sé si llamarlo encriptar, cifrar o codificar pero da igual, el tema es que en un principio el algoritmo nunca establecerá la misma sustitución de caracteres, es decir no siempre cambiara por ejemplo una A por un *, si no que dependiendo de cada documento puede variar, eso sí un mismo documento siempre se codificara igual, pero con otro lo hará diferente por la lógica de que es un documento diferente y eso le otorga aleatoriedad en la sustitución de caracteres.

Saludos!!!.

Ejemplo: (Puedes introducir aquí otros textos o documento como HTML normal para probar el nivel de compresión, una vez comprimido también podrás editar el texto comprimido para introducir otros texto para descomprimir)

This movie requires Flash Player 9

Clase as3 JVM.as

package seguridad.algoritmos{
	/**
	* Compresses and decompresses AS3HtmlText with the JVM algorithm in AS3.
	* @author: javier Vicente medina
	* @web: xavirobot.com - jvm.bricobit.com
	*/
	public class JVM {
		public static function compress( str:String,funStart:Function = null,funStop:Function = null):String {
			if(funStart != null){
			  funStart();
			}
			var result:String;
			trace("Tamaño inicial -> " + str.length);
			//Buscamos 2 caracteres que no coincidna con ningun caracter de la cadena y los guardamos.
			var CONTROL_CHAR:Array = new Array();
			var step:int = 0;
			var CHARS:Array = String("ÿþýüûúùø÷öõôóòñðïîíìëêéèçæåäãâáàßÞÝÜÛÚÙØ×ÖÕÔÓÒÑÐÏÎÍÌËÊÉÈÇÆÅÄÃÂÁÀ¿¾½¼»º¹¸•¶µ´³²±°¯®¬«ª©¨§¦¥¤£¢").split("");
			var CHARS_LENGTH:int = CHARS.length;
			for (var u:int = 0; u<CHARS_LENGTH; u++) {
				CONTROL_CHAR[step] = CHARS[u];
				if (str.indexOf(CONTROL_CHAR[step]) < 0) {
					step++;
					if (step == 2) {
						break;
					}
				}
			}
			//Comprobamos si existen comas en la cadena, si es asi la sustituimos por el primer caracter de control.
			if (str.indexOf(",") >= 0) {
				str = str.split(",").join(CONTROL_CHAR[0]);
			}
			/*Separamos la cadena y buscamos coincidencias para eliminarlas y guardamos posiciones
			para poder posteriormente reconstruir la cadena original.*/
			var c:Array = str.split(" ");
			var s:int = c.length;
			for (var n:int = 0; n < s; n++) {
				c[n] = new Array(c[n]);
			}
			for (var i:int = 0; i < s - 1; i++) {
				if (c[i][1] == undefined && c[i][0].length > 3) {
					for (var j:int = i + 1; j < s; j++) {
						if (c[j][1] == undefined) {
							if (c[i][0] === c[j][0]) {
								c[j][0] = "";
								c[j].push(i);
							}
						}
					}
				}
			}
			//Recuperamos todos los simbolos que no esten siendo utilizados en la cadena
			var SYMBOLUSE: Array = new Array();
			for (var f:int=0; f<CHARS_LENGTH; f++) {
				var letter:String = CHARS[f];
				if (letter!=CONTROL_CHAR[0] && letter!=CONTROL_CHAR[1]) {
					var symbolSustitute:String = CHARS[f];
					if (str.indexOf(symbolSustitute) < 0) {
						SYMBOLUSE.push(symbolSustitute);
					}
				}
			}
			
			var su:int = SYMBOLUSE.length;
			str = c.join(" ");
			var NCNC:Array = new Array();
			var ABC:Array = String("áéíóúàèìòùabcdefghijklmnñopqrstuvwxyzABCDEFGHIJKLMNÑOPQRSTUVWXYZ0123456789").split("");
			var comb:String;
			var combMatches:int;
			var ManualMatch:Array = new Array('</FONT></P></TEXTFORMAT><TEXTFORMAT','KERNING="','"><B>','</B>');
			var mml:int = ManualMatch.length;
			var FINALASOC:Array = new Array();
			var correlative:int = 0;
			for (var mm:int=0; mm<mml; mm++) {
				comb = ManualMatch[mm];
				combMatches = str.match(new RegExp(comb,"g")).length;
				if (combMatches >0) {
					
					str = str.split(comb).join(SYMBOLUSE[correlative]);
					FINALASOC.push(new Array(comb,SYMBOLUSE[correlative]));
					correlative++;
				}
			}
			
			var abcl:int = ABC.length;
			for (var q:int=0; q<abcl; q++) {
				for (var p:int=0; p<abcl; p++) {
					comb = ABC[q] + ABC[p];
					combMatches = str.match(new RegExp(comb,"g")).length;
					if (combMatches >1) {
						
						NCNC.push({matches:combMatches, combL:comb});
					}
				}
			}
			if (NCNC.length > 0 || FINALASOC.length > 0) {
				NCNC.sortOn("matches", Array.NUMERIC | Array.DESCENDING);
				var sc:int = NCNC.length;
				su = su - correlative;
				for (var k:int=0; k<sc && k<su; k++) {
					if (str.indexOf(NCNC[k].combL) >= 0) {
						//trace("Combinacion "+NCNC[k].combL +" Repeticiones "+NCNC[k].matches+" Sustituto "+SYMBOLUSE[correlative]);
						str = str.split(NCNC[k].combL).join(SYMBOLUSE[correlative]);
						FINALASOC.push(new Array(NCNC[k].combL,SYMBOLUSE[correlative]));
						correlative++;
					} else {
						NCNC.splice(k, 1);
						k--;
						sc--;
					}
				}
				result = CONTROL_CHAR[1] + FINALASOC.join(" ") + CONTROL_CHAR[1] + CONTROL_CHAR[0] + str;
			} else {
				result = CONTROL_CHAR[1] + CONTROL_CHAR[1] + CONTROL_CHAR[0] + str;
			}
			trace("Tamaño comprimido -> " + result.length);
			if(funStop != null){
			  funStop();
			}
			return result;
		}
		public static function decompress( str:String ,funStart:Function = null,funStop:Function = null):String {
			if(funStart != null){
			  funStart();
			}
			var controlChar1:String = str.substr(0,1);//recup el prim digit
			var ctrlStr:Array = str.substr(1,str.length).split(controlChar1);//borr el prim digit y sep desd el sig mism digit
			var ASOC:Array = ctrlStr[0].split(" ");//Asignamos la caden de control al asoc 
			str = ctrlStr[1]; //Asignamos el resto de la cadena que es el documento comprimido
			var controlChar2:String = str.substr(0,1);//Recu el prim digit del doc comprimido para sus luego las comas
			str = str.substr(1,str.length);//Eliminamos el prim digit
		 
			//for (var s:int=0; s<ASOC.length; s++) {
				//var SPL:Array = ASOC[s].split(",");
				//str = str.split(SPL[1]).join(SPL[0]);
			//}
			for (var s:int=ASOC.length-1; s>=0; s--) {
				var SPL:Array = ASOC[s].split(",");
				str = str.split(SPL[1]).join(SPL[0]);
			}
			
			var c:Array = str.split(" ");
			for (var n:int = 0; n < c.length; n++) {
				if (c[n].substr(0,1) == ",") {
					c[n] = c[int(c[n].substr(1,c[n].length))];
				}
			}
			str = c.join(" ");
			if (str.indexOf(controlChar2) >= 0) {
				str = str.split(controlChar2).join(",");
			}
			if(funStop != null){
			  funStop();
			}
			return str;
		}
	}
}

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

package seguridad.algoritmos{

/**

* Compresses and decompresses AS3HtmlText with the JVM algorithm in AS3.

* @author: javier Vicente medina

* @web: xavirobot.com - jvm.bricobit.com

public class JVM {

public static function compress( str:String,funStart:Function = null,funStop:Function = null):String {

if(funStart != null){

funStart();

}

var result:String;

trace("Tamaño inicial -> " + str.length);

//Buscamos 2 caracteres que no coincidna con ningun caracter de la cadena y los guardamos.

var CONTROL_CHAR:Array = new Array();

var step:int = 0;

var CHARS:Array = String("ÿþýüûúùø÷öõôóòñðïîíìëêéèçæåäãâáàßÞÝÜÛÚÙØ×ÖÕÔÓÒÑÐÏÎÍÌËÊÉÈÇÆÅÄÃÂÁÀ¿¾½¼»º¹¸•¶µ´³²±°¯®¬«ª©¨§¦¥¤£¢").split("");

var CHARS_LENGTH:int = CHARS.length;

for (var u:int = 0; u<CHARS_LENGTH; u++) {

CONTROL_CHAR[step] = CHARS[u];

if (str.indexOf(CONTROL_CHAR[step]) < 0) {

step++;

if (step == 2) {

break;

}

//Comprobamos si existen comas en la cadena, si es asi la sustituimos por el primer caracter de control.

if (str.indexOf(",") >= 0) {

str = str.split(",").join(CONTROL_CHAR[0]);

}

/*Separamos la cadena y buscamos coincidencias para eliminarlas y guardamos posiciones

para poder posteriormente reconstruir la cadena original.*/

var c:Array = str.split(" ");

var s:int = c.length;

for (var n:int = 0; n < s; n++) {

c[n] = new Array(c[n]);

}

for (var i:int = 0; i < s - 1; i++) {

if (c[i][1] == undefined && c[i][0].length > 3) {

for (var j:int = i + 1; j < s; j++) {

if (c[j][1] == undefined) {

if (c[i][0] === c[j][0]) {

c[j][0] = "";

c[j].push(i);

}

//Recuperamos todos los simbolos que no esten siendo utilizados en la cadena

var SYMBOLUSE: Array = new Array();

for (var f:int=0; f<CHARS_LENGTH; f++) {

var letter:String = CHARS[f];

if (letter!=CONTROL_CHAR[0] && letter!=CONTROL_CHAR[1]) {

var symbolSustitute:String = CHARS[f];

if (str.indexOf(symbolSustitute) < 0) {

SYMBOLUSE.push(symbolSustitute);

}

var su:int = SYMBOLUSE.length;

str = c.join(" ");

var NCNC:Array = new Array();

var ABC:Array = String("áéíóúàèìòùabcdefghijklmnñopqrstuvwxyzABCDEFGHIJKLMNÑOPQRSTUVWXYZ0123456789").split("");

var comb:String;

var combMatches:int;

var ManualMatch:Array = new Array('</TEXTFORMAT><TEXTFORMAT','KERNING="','">','');

var mml:int = ManualMatch.length;

var FINALASOC:Array = new Array();

var correlative:int = 0;

for (var mm:int=0; mm<mml; mm++) {

comb = ManualMatch[mm];

combMatches = str.match(new RegExp(comb,"g")).length;

if (combMatches >0) {

str = str.split(comb).join(SYMBOLUSE[correlative]);

FINALASOC.push(new Array(comb,SYMBOLUSE[correlative]));

correlative++;

}

var abcl:int = ABC.length;

for (var q:int=0; q<abcl; q++) {

for (var p:int=0; p<abcl; p++) {

comb = ABC[q] + ABC[p];

combMatches = str.match(new RegExp(comb,"g")).length;

if (combMatches >1) {

NCNC.push({matches:combMatches, combL:comb});

}

if (NCNC.length > 0 || FINALASOC.length > 0) {

NCNC.sortOn("matches", Array.NUMERIC | Array.DESCENDING);

var sc:int = NCNC.length;

su = su - correlative;

for (var k:int=0; k<sc && k<su; k++) {

if (str.indexOf(NCNC[k].combL) >= 0) {

//trace("Combinacion "+NCNC[k].combL +" Repeticiones "+NCNC[k].matches+" Sustituto "+SYMBOLUSE[correlative]);

str = str.split(NCNC[k].combL).join(SYMBOLUSE[correlative]);

FINALASOC.push(new Array(NCNC[k].combL,SYMBOLUSE[correlative]));

correlative++;

} else {

NCNC.splice(k, 1);

k--;

sc--;

}

result = CONTROL_CHAR[1] + FINALASOC.join(" ") + CONTROL_CHAR[1] + CONTROL_CHAR[0] + str;

} else {

result = CONTROL_CHAR[1] + CONTROL_CHAR[1] + CONTROL_CHAR[0] + str;

}

trace("Tamaño comprimido -> " + result.length);

if(funStop != null){

funStop();

}

return result;

}

public static function decompress( str:String ,funStart:Function = null,funStop:Function = null):String {

if(funStart != null){

funStart();

}

var controlChar1:String = str.substr(0,1);//recup el prim digit

var ctrlStr:Array = str.substr(1,str.length).split(controlChar1);//borr el prim digit y sep desd el sig mism digit

var ASOC:Array = ctrlStr[0].split(" ");//Asignamos la caden de control al asoc

str = ctrlStr[1]; //Asignamos el resto de la cadena que es el documento comprimido

var controlChar2:String = str.substr(0,1);//Recu el prim digit del doc comprimido para sus luego las comas

str = str.substr(1,str.length);//Eliminamos el prim digit

//for (var s:int=0; s<ASOC.length; s++) {

//var SPL:Array = ASOC[s].split(",");

//str = str.split(SPL[1]).join(SPL[0]);

//}

for (var s:int=ASOC.length-1; s>=0; s--) {

var SPL:Array = ASOC[s].split(",");

str = str.split(SPL[1]).join(SPL[0]);

}

var c:Array = str.split(" ");

for (var n:int = 0; n < c.length; n++) {

if (c[n].substr(0,1) == ",") {

c[n] = c[int(c[n].substr(1,c[n].length))];

}

str = c.join(" ");

if (str.indexOf(controlChar2) >= 0) {

str = str.split(controlChar2).join(",");

}

if(funStop != null){

funStop();

}

return str;

}

Utilización:

import seguridad.algoritmos.JVM;

//Comprimiendo
var ziped:String = JVM.compress("El texto de un documento grande");
trace(ziped);

//Descomprimiendo
var unziped:String = JVM.decompress(ziped);
trace(unziped);

import seguridad.algoritmos.JVM;

//Comprimiendo

var ziped:String = JVM.compress("El texto de un documento grande");

trace(ziped);

//Descomprimiendo

var unziped:String = JVM.decompress(ziped);

trace(unziped);

Tambien es posible indicar dos funciones para saber cuando se inicio la compreison o descompresion y cuando se termino

import seguridad.algoritmos.JVM;

//Comprimiendo
var ziped:String = JVM.compress("El texto de un documento grande",onCompressInit,onCompressFinish);
trace(ziped);

//Descomprimiendo
var unziped:String = JVM.decompress(ziped,onDecompressInit,onDecompressFinish);
trace(unziped);

function onCompressInit():void{
Trace(Compresión iniciada);
}
function onCompressFinish():void{
Trace(Compresión finalizada);
}
function onDecompressInit():void{
Trace(Descompresión iniciada);
}
function onDecompressFinish():void{
Trace(Descompresión finalizada);
}

import seguridad.algoritmos.JVM;

//Comprimiendo

var ziped:String = JVM.compress("El texto de un documento grande",onCompressInit,onCompressFinish);

trace(ziped);

//Descomprimiendo

var unziped:String = JVM.decompress(ziped,onDecompressInit,onDecompressFinish);

trace(unziped);

function onCompressInit():void{

Trace(Compresión iniciada);

}

function onCompressFinish():void{

Trace(Compresión finalizada);

}

function onDecompressInit():void{

Trace(Descompresión iniciada);

}

function onDecompressFinish():void{

Trace(Descompresión finalizada);

}

Clase homologa en php JVM.php

<?php
        /**
	* Compresses and decompresses AS3HtmlText with the JVM algorithm in PHP.
	* @author: javier Vicente medina
	* @web: xavirobot.com - jvm.bricobit.com
	*/
function jvm_compress($str) {	
	//echo "TAMAÑO SIN COMPRIMIR " .  strlen($str) . "<br>";
	$result;
	$CONTROL_CHAR = array();
	$step = 0;
	$CHARS = iconv('UTF-8', 'windows-1252',"ÿþýüûúùø÷öõôóòñðïîíìëêéèçæåäãâáàßÞÝÜÛÚÙØ×ÖÕÔÓÒÑÐÏÎÍÌËÊÉÈÇÆÅÄÃÂÁÀ¿¾½¼»º¹¸·¶µ´³²±°¯®¬«ª©¨§¦¥¤£¢");
	$CHARS_LENGTH = strlen($CHARS);
	for ($u = 0; $u<$CHARS_LENGTH; $u++) {
		$CONTROL_CHAR[$step] = $CHARS[$u];
		if (strrpos($str,$CONTROL_CHAR[$step]) === false) { 
			$step++;
			if ($step == 2) {
				break;
			}
		}
	}
	if (strrpos($str,",") >=0) {
		$str = implode($CONTROL_CHAR[0],explode(",",$str));
	}
	$c = explode(" ",$str);
	$s = count($c);
	for ($n = 0; $n < $s; $n++) {
		$c[$n] = array($c[$n]);
	}
	for ($i = 0; $i < $s - 1; $i++) {
		if (!isset($c[$i][1]) && strlen($c[$i][0]) > 3) {
			for ($j = $i + 1; $j < $s; $j++) {
				if (!isset($c[$j][1])) {
					if ($c[$i][0] === $c[$j][0]) {
					$c[$j][0] = "";
					$c[$j][1] = $i;
				}
			}
		  }
		}
	}
	//Recuperamos todos los simbolos que no esten siendo utilizados en la cadena
		$SYMBOLUSE= array();
		for ($f = 0; $f<$CHARS_LENGTH; $f++) {
			$letter = $CHARS[$f];
			if ($letter!=$CONTROL_CHAR[0] && $letter!=$CONTROL_CHAR[1]) {
				$symbolSustitute = $CHARS[$f];
				  if (strrpos($str,$symbolSustitute) === false) {
					array_push($SYMBOLUSE,$symbolSustitute);
				}
			}
		}
		$su = count($SYMBOLUSE);
    //join $c +++
	$arrLength = count($c);
	$strJoin;
	for($n=0;$n<$arrLength;$n++){
		if(!isset($c[$n][1])){
			$strJoin .= $c[$n][0] . " ";
		}else{
			$strJoin .= "," . $c[$n][1] . " ";
		}
	}
	$str = trim($strJoin);
	//+++ join $c
	$NCNC = array();
	$comb;
	$combMatches;
	$ManualMatch = array('</FONT></P></TEXTFORMAT><TEXTFORMAT','KERNING="','"><B>','</B>');
	$mml = count($ManualMatch);
	$FINALASOC = array();
	$correlative = 0;
	for ($mm=0; $mm<$mml; $mm++) {
		$comb = $ManualMatch[$mm];
		$combMatches = substr_count($str, $comb);
		//$combMatches = count(explode($comb, $str))-1;
		if ($combMatches >0) {
			//array_push($NCNC,array('matches' => $combMatches+1, 'combL' => $comb));
			$str = implode($SYMBOLUSE[$correlative],explode($comb,$str));
			array_push($FINALASOC, array($comb,$SYMBOLUSE[$correlative]));
		    $correlative++;
		}
	}
	$ABC = "áéíóúàèìòùabcdefghijklmnñopqrstuvwxyzABCDEFGHIJKLMNÑOPQRSTUVWXYZ0123456789";
	$abcl = strlen($ABC);
	for ($q=0; $q<$abcl; $q++) {
		for ($p=0; $p<$abcl; $p++) {
			$comb = $ABC[$q] . $ABC[$p];
			//$combMatches = count(explode($comb, $str))-1;
			$combMatches = substr_count($str, $comb);
			if ($combMatches >1) {
				array_push($NCNC, array('matches' => $combMatches, 'combL' => $comb));
			}
		}
	}
	if (count($NCNC) > 0 || count($FINALASOC) >0) {
		//sustituimos los pares de letras con mayor numero de repeticiones por un simbolo
		usort($NCNC, "sortCompare");//ordenamos el par de letras que mas se repiten al principio
		$sc = count($NCNC);
		$su = $su - $correlative;
		for ($k=0; $k<$sc && $k<$su; $k++) {
			
			if (strrpos($str,$NCNC[$k]["combL"])) {
				$str = implode($SYMBOLUSE[$correlative],explode($NCNC[$k]["combL"],$str));
				array_push($FINALASOC, array($NCNC[$k]["combL"],$SYMBOLUSE[$correlative]));
				$correlative++;
			} else {
				array_slice($NCNC,$k,1);
				$k--;
				$sc--;
			}
		}
		 //join $FINALASOC +++
		 $arrLength = count($FINALASOC);
	     $strJoin = "";
	     for($n=0;$n<$arrLength;$n++){
			$strJoin .= $FINALASOC[$n][0] .",". $FINALASOC[$n][1] . " ";
	     }
	     $finalAsocJoined = trim($strJoin);
	     //+++ join $FINALASOC
		$result = $CONTROL_CHAR[1] . $finalAsocJoined . $CONTROL_CHAR[1] . $CONTROL_CHAR[0] . $str;
	} else {
		$result = $CONTROL_CHAR[1] . $CONTROL_CHAR[1] . $CONTROL_CHAR[0] . $str;
	}
	//echo "TAMAÑO COMPRIMIDO " .  strlen($str) . "<br>";
	return $result;
}
function sortCompare($x, $y){  
   if ( $x['matches'] == $y['matches'] ) { 
          return 0;        
   }else if ( $x['matches'] > $y['matches'] ){  
           return -1;    
		 }else{      
           return 1; 
		 }
}
function jvm_decompress($str) {
     $controlChar1 = substr($str,0,1);
	 $ctrlStr = explode($controlChar1,substr($str,1));
	 $ASOC= explode(" ",$ctrlStr[0]);
	 $str = $ctrlStr[1];
	 $controlChar2 = substr($str,0,1);
	 $str = substr($str,1);
	// for ($s=0; $s<count($ASOC); $s++) {
		//$SPL = explode(",",$ASOC[$s]);
		//$str = implode($SPL[0],explode($SPL[1],$str));
	// }
	  for ($s=count($ASOC)-1; $s>=0; $s--) {
		$SPL = explode(",",$ASOC[$s]);
		$str = implode($SPL[0],explode($SPL[1],$str));
	 }
	 $c = explode(" ",$str);
	 for ($n = 0; $n < count($c); $n++) {
		if (substr($c[$n],0,1) === ",") {
			$c[$n] = $c[substr($c[$n],1)];
		}
	 }
	 $str = implode(" ",$c);
	 if (strrpos($str,$controlChar2)) {
		$str = implode(",",explode($controlChar2,$str));
	}
	return $str;
}
?>

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

<?php

/**

* Compresses and decompresses AS3HtmlText with the JVM algorithm in PHP.

* @author: javier Vicente medina

* @web: xavirobot.com - jvm.bricobit.com

function jvm_compress($str) {

//echo "TAMAÑO SIN COMPRIMIR " . strlen($str) . " ";

$result;

$CONTROL_CHAR = array();

$step = 0;

$CHARS = iconv('UTF-8', 'windows-1252',"ÿþýüûúùø÷öõôóòñðïîíìëêéèçæåäãâáàßÞÝÜÛÚÙØ×ÖÕÔÓÒÑÐÏÎÍÌËÊÉÈÇÆÅÄÃÂÁÀ¿¾½¼»º¹¸·¶µ´³²±°¯®¬«ª©¨§¦¥¤£¢");

$CHARS_LENGTH = strlen($CHARS);

for ($u = 0; $u<$CHARS_LENGTH; $u++) {

$CONTROL_CHAR[$step] = $CHARS[$u];

if (strrpos($str,$CONTROL_CHAR[$step]) === false) {

$step++;

if ($step == 2) {

break;

}

if (strrpos($str,",") >=0) {

$str = implode($CONTROL_CHAR[0],explode(",",$str));

}

$c = explode(" ",$str);

$s = count($c);

for ($n = 0; $n < $s; $n++) {

$c[$n] = array($c[$n]);

}

for ($i = 0; $i < $s - 1; $i++) {

if (!isset($c[$i][1]) && strlen($c[$i][0]) > 3) {

for ($j = $i + 1; $j < $s; $j++) {

if (!isset($c[$j][1])) {

if ($c[$i][0] === $c[$j][0]) {

$c[$j][0] = "";

$c[$j][1] = $i;

}

//Recuperamos todos los simbolos que no esten siendo utilizados en la cadena

$SYMBOLUSE= array();

for ($f = 0; $f<$CHARS_LENGTH; $f++) {

$letter = $CHARS[$f];

if ($letter!=$CONTROL_CHAR[0] && $letter!=$CONTROL_CHAR[1]) {

$symbolSustitute = $CHARS[$f];

if (strrpos($str,$symbolSustitute) === false) {

array_push($SYMBOLUSE,$symbolSustitute);

}

$su = count($SYMBOLUSE);

//join $c +++

$arrLength = count($c);

$strJoin;

for($n=0;$n<$arrLength;$n++){

if(!isset($c[$n][1])){

$strJoin .= $c[$n][0] . " ";

}else{

$strJoin .= "," . $c[$n][1] . " ";

}

$str = trim($strJoin);

//+++ join $c

$NCNC = array();

$comb;

$combMatches;

$ManualMatch = array('</TEXTFORMAT><TEXTFORMAT','KERNING="','">','');

$mml = count($ManualMatch);

$FINALASOC = array();

$correlative = 0;

for ($mm=0; $mm<$mml; $mm++) {

$comb = $ManualMatch[$mm];

$combMatches = substr_count($str, $comb);

//$combMatches = count(explode($comb, $str))-1;

if ($combMatches >0) {

//array_push($NCNC,array('matches' => $combMatches+1, 'combL' => $comb));

$str = implode($SYMBOLUSE[$correlative],explode($comb,$str));

array_push($FINALASOC, array($comb,$SYMBOLUSE[$correlative]));

$correlative++;

}

$ABC = "áéíóúàèìòùabcdefghijklmnñopqrstuvwxyzABCDEFGHIJKLMNÑOPQRSTUVWXYZ0123456789";

$abcl = strlen($ABC);

for ($q=0; $q<$abcl; $q++) {

for ($p=0; $p<$abcl; $p++) {

$comb = $ABC[$q] . $ABC[$p];

//$combMatches = count(explode($comb, $str))-1;

$combMatches = substr_count($str, $comb);

if ($combMatches >1) {

array_push($NCNC, array('matches' => $combMatches, 'combL' => $comb));

}

if (count($NCNC) > 0 || count($FINALASOC) >0) {

//sustituimos los pares de letras con mayor numero de repeticiones por un simbolo

usort($NCNC, "sortCompare");//ordenamos el par de letras que mas se repiten al principio

$sc = count($NCNC);

$su = $su - $correlative;

for ($k=0; $k<$sc && $k<$su; $k++) {

if (strrpos($str,$NCNC[$k]["combL"])) {

$str = implode($SYMBOLUSE[$correlative],explode($NCNC[$k]["combL"],$str));

array_push($FINALASOC, array($NCNC[$k]["combL"],$SYMBOLUSE[$correlative]));

$correlative++;

} else {

array_slice($NCNC,$k,1);

$k--;

$sc--;

}

//join $FINALASOC +++

$arrLength = count($FINALASOC);

$strJoin = "";

for($n=0;$n<$arrLength;$n++){

$strJoin .= $FINALASOC[$n][0] .",". $FINALASOC[$n][1] . " ";

}

$finalAsocJoined = trim($strJoin);

//+++ join $FINALASOC

$result = $CONTROL_CHAR[1] . $finalAsocJoined . $CONTROL_CHAR[1] . $CONTROL_CHAR[0] . $str;

} else {

$result = $CONTROL_CHAR[1] . $CONTROL_CHAR[1] . $CONTROL_CHAR[0] . $str;

}

//echo "TAMAÑO COMPRIMIDO " . strlen($str) . " ";

return $result;

}

function sortCompare($x, $y){

if ( $x['matches'] == $y['matches'] ) {

return 0;

}else if ( $x['matches'] > $y['matches'] ){

return -1;

}else{

return 1;

}

function jvm_decompress($str) {

$controlChar1 = substr($str,0,1);

$ctrlStr = explode($controlChar1,substr($str,1));

$ASOC= explode(" ",$ctrlStr[0]);

$str = $ctrlStr[1];

$controlChar2 = substr($str,0,1);

$str = substr($str,1);

// for ($s=0; $s<count($ASOC); $s++) {

//$SPL = explode(",",$ASOC[$s]);

//$str = implode($SPL[0],explode($SPL[1],$str));

// }

for ($s=count($ASOC)-1; $s>=0; $s--) {

$SPL = explode(",",$ASOC[$s]);

$str = implode($SPL[0],explode($SPL[1],$str));

}

$c = explode(" ",$str);

for ($n = 0; $n < count($c); $n++) {

if (substr($c[$n],0,1) === ",") {

$c[$n] = $c[substr($c[$n],1)];

}

$str = implode(" ",$c);

if (strrpos($str,$controlChar2)) {

$str = implode(",",explode($controlChar2,$str));

}

return $str;

}

Su uso es el mismo que en as3 pero no tiene las mejoras de poder especificar las funciones para saber cuando empezo la compresion o descompresion y cuando termino.

<?php
require "jvm.php"; 
$ziped = jvm_compress("El texto de un documento grande");
echo $ziped;
$unziped = jvm_decompress($ziped);
echo $unziped
?>

<?php

require "jvm.php";

$ziped = jvm_compress("El texto de un documento grande");

echo $ziped;

$unziped = jvm_decompress($ziped);

echo $unziped

Javier Vicente

AS3 – Algoritmo JVM en as3 y php de compresión y descompresión de documentos html generados por as3

Deja un comentario Cancelar respuesta