稀疏数组压缩适用于大棋盘且落子稀疏的场景，核心是仅存储非空位置的行列索引和值；采用行主序扁平三元组数组提升查找与内存效率，并需严格按默认值语义处理读写与还原。

稀疏数组压缩不是为了“炫技”，而是当棋盘上绝大多数位置为空（比如围棋、五子棋、国际象棋的初始或中盘状态），用常规二维数组存所有格子，会浪费大量内存——尤其在嵌入式设备、网页端或高频网络同步场景下。核心思路是：只记录非空位置的行列索引和值，舍弃全零（或默认值）区域。

哪些情况适合用稀疏数组？

判断标准很直接：

• 棋盘尺寸大（如19×19围棋、20×20自定义棋盘），但实际落子数通常不到总格子的5%～15%
• 变量类型统一且有明确默认值（如0表示空位、1表示黑子、2表示白子）
• 读多写少，或写操作集中于局部（如每步只新增1个落子，极少擦除整片区域）
• 需要频繁序列化传输（如WebSocket同步棋局），压缩后JSON体积可减少60%以上

三元组结构怎么设计才高效？

最常用的是行号、列号、值组成的三元组列表。关键细节在于排序与查找优化：

• 按行主序存储（先排row升序，同row再按col升序），支持O(log n)二分查找指定位置
• 避免用对象数组（如[{r:3,c:7,v:1}]），改用扁平一维数组[r1,c1,v1,r2,c2,v2,...]，减少内存开销与GC压力
• 若需快速判断某位置是否存在，可额外维护一个Map<string number></string>（键为"r,c"），插入/查询O(1)，空间换时间

如何安全地读写与还原？

不能假设“查不到就是空”就完事——得和业务逻辑对齐默认值语义：

• 读取 get(r, c)：先在稀疏结构中查找，命中则返回值；未命中必须返回约定的默认值（如0），不可返回undefined
• 写入 set(r, c, v)：若v等于默认值，应主动删除该位置（避免冗余存储）；若v非默认值，则更新或插入三元组，并保持有序
• 还原为稠密数组（调试或渲染用）：仅在必要时调用，传入棋盘宽高，初始化全默认值数组，再遍历稀疏数据批量填充

实战小技巧：边界与兼容性注意点

容易踩坑的地方往往不在算法本身：

• 行列索引统一从0开始，避免混用1-based导致偏移错误
• 序列化时建议用JSON.stringify(sparseArray)直接输出数字数组，不嵌套，前端/后端解析无歧义
• 如果棋盘支持“禁手”“打劫标记”等扩展状态，可复用同一套稀疏结构，用不同值区分语义（如v=3表示禁手位），无需新增存储结构
• 在TypeScript中定义类型：type SparseBoard = number[]; // [r,c,v,r,c,v,...]，配合工具函数封装读写逻辑