Algorithm 简单来说，压缩通常是如何实现的？
因此，我最近一直在思考如何实现压缩，到目前为止，我假设它可能使用一种“字节签名”键的哈希表，其中包含内存位置值，在扩展相关压缩项时应替换该“字节签名” 这与事实相去甚远吗 压缩通常是如何实现的？不需要一页的答案，简单地说就可以了。查看维基页面Algorithm 简单来说，压缩通常是如何实现的？,algorithm,compression,Algorithm,Compression,因此，我最近一直在思考如何实现压缩，到目前为止，我假设它可能使用一种“字节签名”键的哈希表，其中包含内存位置值，在扩展相关压缩项时应替换该“字节签名” 这与事实相去甚远吗 压缩通常是如何实现的？不需要一页的答案，简单地说就可以了。查看维基页面 无损压缩算法通常利用统计冗余，以便更简洁无误地表示发送方的数据。无损压缩是可能的，因为大多数真实世界的数据都有统计冗余。例如，在英文文本中，字母“e”比字母“z”更常见，字母“q”后面跟着字母“z”的可能性非常小 另一种压缩，称为有损数据压缩或感知编码，如
无损压缩算法通常利用统计冗余，以便更简洁无误地表示发送方的数据。无损压缩是可能的，因为大多数真实世界的数据都有统计冗余。例如，在英文文本中，字母“e”比字母“z”更常见，字母“q”后面跟着字母“z”的可能性非常小 另一种压缩，称为有损数据压缩或感知编码，如果某些保真度损失是可接受的，则是可能的。通常，有损数据压缩将以人们如何感知相关数据的研究为指导。例如，人眼对亮度的细微变化比对颜色的变化更敏感。JPEG图像压缩的部分工作原理是“舍入”一些不太重要的信息。有损数据压缩提供了一种在给定压缩量下获得最佳保真度的方法。在某些情况下，需要透明（不可见）压缩；在其他情况下，牺牲保真度以尽可能减少数据量 无损压缩方案是可逆的，因此可以重建原始数据，而有损压缩方案接受一些数据损失，以实现更高的压缩 然而，无损数据压缩算法总是无法压缩某些文件；事实上，任何压缩算法都必然无法压缩任何不包含可识别模式的数据。因此，压缩已经压缩的数据的尝试通常会导致扩展（文本文件通常在压缩后会被压缩得更多，因为符号更少），压缩除了最普通的加密数据之外的所有数据的尝试也会导致扩展 实际上，有损数据压缩也会达到无法再次压缩的程度，尽管极有损算法（例如总是删除文件的最后一个字节）总是会将文件压缩到文件为空的程度 无损压缩与有损压缩的示例如下：
25.888888888
25.[9]8
26
压缩算法试图找到重复的子序列，以较短的表示形式替换它们 让我们来看看这个25字节长的字符串
废话废话废话（200位）
天真的方法
一种天真的方法是用相同长度的码字对每个字符进行编码。我们有7个不同的字符，因此需要长度为ceil（ld（7））=3的代码。我们的代码词可以如下所示：
000 → "B"
001 → "l"
010 → "a"
011 → "h"
100 → " "
101 → "b"
110 → "!"
111 → not used
现在我们可以对字符串进行如下编码：
000 001 010 011 100 101 001 010 011 100 101 001 010 011 100 101 001 010 110
B l a h _ b l a h _ b l a h _ b l a !
这只需要25.3位=75位编码单词加上7.8位=56位字典，因此131位（65.5%）
或对于序列：
00 → "lah b"
01 → "B"
10 → "lah!"
11 → not used
0 → "lah b"
10 → "B"
11 → "lah!"
10 0 0 0 0 11
B lah b lah b lah b lah b lah!
编码字：
01 00 00 00 00 10
B lah b lah b lah b lah b lah!
现在我们只需要6.2位=12位用于编码字，10.8位=80位加上3.8位=24位用于每个字的长度，因此116位（58.0%）
哈夫曼编码法
用于编码频率较高的字符/子字符串，其代码比频率较低的字符/子字符串短：
5 × "l", "a", "h"
4 × " ", "b"
1 × "B", "!"
// or for sequences
4 × "lah b"
1 × "B", "lah!"
可能的哈夫曼代码是：
0 → "l"
10 → "a"
110 → "h"
1110 → " "
11110 → "b"
111110 → "B"
111111 → "!"
或对于序列：
00 → "lah b"
01 → "B"
10 → "lah!"
11 → not used
0 → "lah b"
10 → "B"
11 → "lah!"
10 0 0 0 0 11
B lah b lah b lah b lah b lah!
现在我们的废话废话废话可以编码为：
111110 0 10 110 1110 11110 0 10 110 1110 11110 0 10 110 1110 11110 0 10 110 1110 11110 0 10 110 111111
B l a h _ b l a h _ b l a h _ b l a h _ b l a h !
或对于序列：
00 → "lah b"
01 → "B"
10 → "lah!"
11 → not used
0 → "lah b"
10 → "B"
11 → "lah!"
10 0 0 0 0 11
B lah b lah b lah b lah b lah!
现在输出的第一个代码只需要78位或8位，而不是像初始字符串那样的25·8=200位。但是我们仍然需要添加存储字符/序列的字典。对于每个字符的示例，我们需要7个额外字节（7·8位=56位），每个序列的示例需要7个字节加上每个序列长度的3个字节（因此为59位）。这将导致：
56 + 78 = 134 bit (67.0%)
59 + 8 = 67 bit (33.5%)
实际数字可能不正确。请随意编辑/更正。无损压缩算法将每个可能的输入转换为不同的输出，以使更常见的输入转换为更短的输出。从数学上讲，不可能对所有可能的输入进行压缩——否则，会有多个输入A和B压缩成相同的形式，所以当你解压缩它时，你会回到A还是回到B？在实践中，大多数有用的信息都有一些冗余，这种冗余符合某些模式；因此，可以有效地压缩数据，因为压缩数据时扩展的情况不会自然出现
例如，JPEG或MP3压缩中使用的有损压缩，其工作原理是通过某种信号近似输入数据，该信号可以用比原始数据更少的位来表示。当你解压它时，你不会得到原始的，但是你通常会得到足够接近的东西。用非常简单的术语来说，一种常见的压缩形式是压缩。这涉及到用较短的字符串替换较长的重复字符串
例如，如果您有一个如下所示的文件：
"Monday Night","Baseball","7:00pm"
"Tuesday Night","Baseball","7:00pm"
"Monday Night","Softball","8:00pm"
"Monday Night","Softball","8:00pm"
"Monday Night","Baseball","5:00pm"
它大约是150个字符，但如果您想按如下方式进行简单替换：
A=“周一晚上”，B=“周二晚上”，C=“棒球”，D=“垒球”，E=“7:00pm”，F=“8:00pm”，G=5:00pm”
然后，相同的内容可以编码为：
A,C,E
B,C,E
A,D,F
A,D,F
A,C,G