Compression 为什么数据只能压缩一次？
因此，压缩过程将获取一块二进制数据Compression 为什么数据只能压缩一次？,compression,Compression,因此，压缩过程将获取一块二进制数据a，并输出一块较小的二进制数据B。B的哪些特征使其无法再次执行此过程？已经压缩的数据不能再次压缩是不正确的。如果您获取一个由一百万个零组成的文件并使用压缩，则得到的压缩文件是1010字节。如果再次压缩压缩文件，它将进一步减少到仅75字节 $ python >>> f = open('0.txt', 'w') >>> f.write('0'*1000000) >>> f.close() >>> $ wc -c 0.txt 1000000 0.txt $ gzip
aBB压缩不可能工作两次的原因是压缩过程消除了冗余。当冗余较少时，更难进一步压缩文件。压缩的工作原理是识别模式并说“此模式在这里、这里和这里，因此我将存储它一次，并记住在解压缩时将其放在那里和那里”
大多数模式都会在第一次压缩时被捕获。在压缩之后，您可以实现进一步的压缩，但是。。。剩下的模式不多了。数据有一种称为熵的东西：每一个新位提供的新信息量。例如，
10101010101010101010对于无损压缩，我们可以将压缩看作一个例程，它获取一些数据并将其转换为另一种形式（a->B）。因为它是无损的，所以我们必须能够取B，然后取A来获得这个问题的非常学术的答案，看看！如果你和我一样，这篇文章会让你头疼 一个简单的答案是：假设你可以一次又一次地压缩，比如说每次压缩10倍。你可以把维基百科压缩到1GB，然后是100M，然后是10M。。。这样做9次，您将减少到一个字节。如果维基百科中的所有信息都可以压缩到一个字节，人们就不需要编写它了，他们只需要扩展256个字节中的一个，其中一个就是维基百科的内容：）
更合理的回答是：文本是多余的：这些字节中的信息可以表达得更紧密一些。维基百科的文章提到，例如，“q”后面几乎总是跟“u”“E”比“T”更常出现。等等类似地，在程序中，通常0比任何其他数字更容易找到。这种一致性可以被利用和“挤出”。但一旦你这样做了一次，原来的冗余大部分就消失了。压缩后的文件几乎没有任何“浪费位”。您可以随心所欲地压缩数据，但效果可能不是您想要的。在第一级压缩之后，如果在其上运行相同的算法，它可能不会进行足够的压缩以使其具有价值 考虑一下，以下是您的数据： 10010011001001 我将使用一个组合的压缩器通过nybble（4位）标记数据，如下所示： 如果为1001，则压缩为101，因为没有Nyble从101开始，1001出现两次 如果为0011，则压缩为110，因为没有Nyble从110开始，0011发生两次 压缩后： 101 110 1110 0100 110 101 或 101101100100100110001 这在现实世界中实际上不起作用，但正如您所想象的，您可以再次压缩它，因为它仍然是二进制数据 下一次压缩将执行以下操作： 如果为1011，则压缩为111 压缩后： 111 111 1001 0011 0101 或 111111010011101 但正如你所看到的，不再有重复的Nybles，所以我使用的压缩机将没有任何剩余的压缩
同样，这不是一个真正的压缩器，只是一个简单的理解概念的方法。这并不是说它只能压缩一次，而是有一个最小的大小，你可以压缩任何数据，然后再开始丢失数据位（就像你处理低质量的jpg或MP3文件那样）。现在的大多数压缩算法都很好，一次就可以让你在几%的范围内完成，所以第二次真的不值得，因为这是不可能的 为了在不阅读太多理论的情况下理解最小尺寸，请考虑一个有两个可能答案的问题：是和否。可以得出这个结果的最小值是一个位，其中0=否，1=是（反之亦然）。即使这样，也做出了一系列假设（例如，接收数据的人已经理解了这种编码） 在更复杂的层面上，所有其他数据也是如此。在有八个可能答案的情况下，所有答案的概率都相等（这一点很重要），最小大小为三位-允许八个选项的最小位数（000001010011100101110111）
在某些情况下，您可以做一些聪明的事情来减少它（例如，对于非常常见的答案，您使用的比特数较少，而代价是需要的比特数比不太常见的答案可能需要的比特数多，但总体平均数较低）但最终还是有一个存储信息所需的最小存储量。拿一张纸折叠，你已经将它压缩了50%。 现在再做一次，继续尝试。注意它是如何变得越来越难，并且在某个时候你必须停止 数据压缩也受到同样的限制。当然，你可以再压缩一次，然后你就会