Compression 如何识别压缩/未压缩位组？

我正在使用一个静态字典文件，其中包含一些单词和这些单词的值。这些值的大小不是固定的，例如

the

是

1

，

love

是

01

，

kill

是

101

等等。当我试图压缩一组单词时，我遍历每个单词并查找字典，看是否存在该单词的值。如果存在，我用值更改单词，如果不存在，我将单词编码为字节。在压缩之后，我得到了一块比特，因为这些字典值和未压缩的单词的大小不是固定的，所以我无法对比特进行分组和解码

我曾考虑过对每一组位使用1位标志来确定它是压缩的还是未压缩的，但我无法检测标志位，因为一个码字或常规字的长度未知

如果我使用1字节分隔符，它仍然有问题。假设我的定界符是

00000000

，在定界符之前我有

100

，在定界符之后我有

001

，那么我们有

100000000001

，我怎么知道这组位是我的定界符呢？

---

我可以使用其他方法对这些压缩/未压缩位进行分组以解码吗？谢谢。

首先，您打算部署什么语言和系统？许多语言都提供了自己的压缩库和工具，可以满足您的需要，而无需大量的低级设计工作

这里的答案是建立更严格的簿记和文件格式，以便能够撤消压缩。大多数压缩系统在其文件格式中都有一定的开销，这就是为什么当您将某个文件压缩两次时，您不必保存任何内容，并且实际上可以增加文件的大小

文件通常利用文件开头的头来提供关键信息。这将是定义特定于压缩文件的任何规则的好地方

创建仅在码字之间使用的固定大小分隔符。这可以在分析文件之后，但在实际写出压缩数据之前确定

如果生成分隔符而不是固定的已知值，请将其作为标题项之一

将标题保持为简单的ascii格式，以便使用标准工具（如sscanf和fscanf）轻松提取

如果您想要有一个可以包含额外信息的头，您可能需要一种一致的方式来告诉头的结束和数据的开始。包括一些具有“ENDHEADER”效果的内容应该足够了，并且仍然很容易识别

---

我应该为一个特定的项目开发这个，所以我不能使用任何库或工具。关于固定尺寸测力仪的问题在最后一段。