Algorithm 有没有办法存储gzip'；从文件中删除词典？

我一直在做一些基于压缩的文本分类的研究，我试图找出一种存储编码器构建的字典（在训练文件上）的方法，以便在测试文件上“静态”运行？使用UNIX的gzip实用程序可以实现这一点吗

例如，我一直在使用sport.txt和athesism.txt这两个“类”文件，因此我想对这两个文件运行压缩，并存储它们使用的词典。接下来，我想获取一个测试文件（未标记，可以是无神论或体育），通过使用test.txt上的预构建字典，我可以分析它在该字典/模型下的压缩程度

---

谢谢

像在gzip和zlib中一样，对编码器进行放气，不要“构建”字典。它们只是将前面的32K字节用作与从当前位置开始的字节字符串的潜在匹配源。最后32K字节被称为“字典”，但这个名称可能有误导性

您可以使用来试验预设词典。请参阅

deflateSetDictionary（）

和

inflateSetDictionary（）

函数。在这种情况下，zlib压缩使用32K字节的“字典”进行初始化，该“字典”实际上位于作为匹配源压缩的第一个字节之前，但字典本身没有被压缩。启动只能提高前32K字节的压缩。在这之后，预设字典太远，无法提供匹配项

---

gzip不支持预设词典。

非常感谢您提供的信息，我不知道gzip是如何工作的。是否可能使用lz78（例如使用压缩实用程序）或lzw方法？与现代方法相比，lzw是无效的。这不值得考虑。在某种程度上，我理解您正在尝试做什么，您可以使用deflate 32K字典来实现这一点。您要做的是识别代表性数据中的公共字符串，然后用这些字符串打包一个32K字典。deflate的压缩算法不会帮你做到这一点。您需要编写自己的代码才能找到这些常用字符串。太棒了，非常感谢您的帮助。我真的很感激！马克，我能再问一个问题吗？一些基本的东西，我想不起来。压缩时，gzip是从文件的开头读到结尾，还是从文件的结尾读到开头？