Java-计算文件压缩

有没有一种方法可以通过读取文件来获得可能的压缩比？
你知道，有些文件比其他文件更可压缩。。。我的软件必须告诉我文件可能压缩的百分比。

e、 g.

压缩比：50%

->如果我压缩文件，可以节省50%的空间

---

压缩率：99%

->如果压缩文件，我只能节省1%的空间

如果不检查文件，这是不可能的。您所能做的唯一一件事是，通过实际压缩和测量，根据从相对较大的样本中收集的统计数据，按文件扩展名获得一个近似比率。例如，统计分析可能会显示.zip、.jpg不是高度可压缩的，但.txt和.doc等文件可能高度可压缩

这样做的结果仅用于粗略的指导，在某些情况下可能会有很大的偏差，因为文件扩展名绝对不能保证可压缩性。该文件可以包含任何内容，无论扩展名是什么

---

更新：假设您可以检查该文件，那么您可以使用

java.util.zip

API读取原始文件并对其进行压缩，然后查看前后的差异。

不检查该文件是不可能的。您所能做的唯一一件事是，通过实际压缩和测量，根据从相对较大的样本中收集的统计数据，按文件扩展名获得一个近似比率。例如，统计分析可能会显示.zip、.jpg不是高度可压缩的，但.txt和.doc等文件可能高度可压缩

这样做的结果仅用于粗略的指导，在某些情况下可能会有很大的偏差，因为文件扩展名绝对不能保证可压缩性。该文件可以包含任何内容，无论扩展名是什么

---

更新：假设您可以检查该文件，那么您可以使用

java.util.zip

API读取原始文件并对其进行压缩，然后查看前后的差异。

首先，这在很大程度上取决于您选择的压缩方法。第二，我严重怀疑，如果没有时间和空间复杂度的计算，它是否可能与实际的压缩相比。我认为最好的办法是压缩文件，跟踪已经生成的文件的大小，然后删除/释放（显然，一旦完成），而不是将其写出来

---

要真正做到这一点，除非您真的想自己实现它，否则使用该类可能是最容易的，尤其是该类及其

deflate

方法

首先，这在很大程度上取决于您选择的压缩方法。第二，我严重怀疑，如果没有时间和空间复杂度的计算，它是否可能与实际的压缩相比。我认为最好的办法是压缩文件，跟踪已经生成的文件的大小，然后删除/释放（显然，一旦完成），而不是将其写出来

---

要真正做到这一点，除非您真的想自己实现它，否则使用该类可能是最容易的，尤其是该类及其

deflate

方法

首先，你需要学习信息理论。信息论领域有两种理论：

根据香农的说法，人们可以通过使用信源的符号概率来计算信源的熵（即压缩大小）。因此，由统计模型定义的最小压缩大小在每一步产生符号概率。所有算法都隐式或显式地使用这种方法来压缩数据。看看这个，了解更多细节

根据Kolmogorov，最小的压缩大小可以通过寻找产生源代码的最小可能程序来找到。从这个意义上讲，它是无法计算的。一些程序部分使用这种方法压缩数据（例如，您可以编写一个小型控制台应用程序，它可以生成100万位数的PI，而不是压缩100万位数的PI）

因此，如果不计算实际压缩，就无法找到压缩大小。但是，如果你需要一个近似值，你可以依赖香农熵理论，建立一个简单的统计模型。下面是一个非常简单的解决方案：

计算源文件中每个符号的顺序1统计信息

利用这些统计数据计算熵

---

您的估计将或多或少与ZIP的默认压缩算法（deflate）相同。是同一想法的更高级版本（请注意，它会占用大量内存！）。实际上，它使用熵来确定块边界，从而将文件分割为同质数据。

首先，您需要学习信息论。信息论领域有两种理论：

根据香农的说法，人们可以通过使用信源的符号概率来计算信源的熵（即压缩大小）。因此，由统计模型定义的最小压缩大小在每一步产生符号概率。所有算法都隐式或显式地使用这种方法来压缩数据。看看这个，了解更多细节

根据Kolmogorov，最小的压缩大小可以通过寻找产生源代码的最小可能程序来找到。从这个意义上讲，它是无法计算的。一些程序部分使用这种方法压缩数据（例如，您可以编写一个小型控制台应用程序，它可以生成100万位数的PI，而不是压缩100万位数的PI）

因此，如果不计算实际压缩，就无法找到压缩大小。但是，如果你需要一个近似值，你可以依赖香农熵理论，建立一个简单的统计模型。下面是一个非常简单的解决方案：

计算源文件中每个符号的顺序1统计信息

利用这些统计数据计算熵

你的估计会