Javascript 有没有可靠地压缩短字符串的方法？

我有一个正好53个字符长的字符串，其中包含一组有限的可能字符

[A-Za-z0-9\.\-~_+]{53}

我需要在不丢失信息和使用相同字符集的情况下将其长度减少到50

[A-Za-z0-9\.\-~_+]{53}

---

我认为应该可以将大多数字符串压缩到50个长度，但是否可以将所有可能的长度压缩到53个字符串？我们知道，在最坏的情况下，可能集合中的14个字符将不被使用。我们能利用这些信息吗

谢谢你的阅读

是一个简单的压缩库，适合压缩非常短的字符串。

如果我没记错的话，它将是存储数据的最紧凑的方式。我已经很久没有用它来快速编写算法了，但基本思想已经涵盖在内，但如果我没记错的话，你所做的是：

获取所使用的每个字符的计数

根据它们发生的频率对它们进行优先排序

根据优先顺序构建一棵树

通过遍历树获取每个字符的压缩位表示（从根开始，左=0右=1）

用树中的位替换每个字符

---

在最普遍的情况下，你所问的是不可能的，这可以很简单地证明

假设可以在同一集中将任意53个字符的字符串编码为50个字符。这样做，然后向编码字符串添加三个随机字符。然后是另一个任意的53个字符的字符串。你怎么压缩它

因此，您想要的东西不能保证对任何可能的数据都有效。然而，你所有的真实数据都有可能具有足够低的熵，你可以设计出一个可行的方案

在这种情况下，您可能需要执行哈夫曼编码的一些变体，它基本上为集合中的字符分配可变位长度编码，对最常用的字符使用最短的编码。您可以分析所有数据，得出一组编码。在哈夫曼编码之后，您的字符串将是一个（希望更短）比特流，您可以将其编码为每个字符6位的字符集。它可能对所有真实数据都足够短

基于库的编码，如Smaz（在另一个答案中引用）也可以工作。同样，不可能保证它对所有可能的数据都有效。

一个字节（字符）可以编码256个值（0-255），但您的有效字符集只使用67个值，这些值可以用7位表示（唉，6位只能表示64位），并且您的字符中没有一个使用字节的高位

因此，您可以丢弃高位，只存储7位，将下一个字符的初始位运行到第一个字符的“空闲”空间中。这只需要47字节的空间来存储。（53 x 7=371位，371/8=46.4==47）

这并不是真正意义上的压缩，而是编码的改变

例如，“ABC”是0x41 0x42 0x43

     0x41        0x42        0x43  // hex values
0100 0001   0100 0010   0100 0011  // binary
 100 0001    100 0010    100 0011  // drop high bit
// run it all together
100000110000101000011
// split as 8 bits (and pad to 8)
10000011   00001010   00011[000]
    0x83       0x0A        0x18

例如，这3个字符不会节省任何空间，但您的53个字符将始终显示为47个，这是有保证的

但是，请注意，如果对您很重要，输出将不在原始字符集中

这个过程变成：

original-text --> encode --> store output-text (in database?)
retrieve --> decode --> original-text restored

---

如您所述，如果您的输出字符串必须使用与输入字符串相同的字符集，并且如果您不知道输入字符串的任何特殊要求，则不可能将所有可能的53个字符字符串压缩为50个字符。这是的一个简单应用程序

• 您的输入字符串可以表示为67中的53位数字，即0到6753-1之间的整数≅ 6*1096
• 您希望将这些数字映射为0到6750-1之间的整数≅ 2*1091
• 所以根据鸽子洞原理，你可以保证673=300763个不同的输入会映射到每个可能的输出——这意味着，当你去解压时，你无法知道你应该映射回哪个300763原稿

要使此工作正常，您必须更改您的需求。您可以使用更大的字符集对输出进行编码（如果每个字符都有87个可能的值，而不是输入中的67个，则可以将其减少到50个字符）。或者你可以识别输入中的冗余——也许第一个字符只能是'3'或'5'，第十九个和第二十个是州缩写，只能有62个不同的可能值，诸如此类

---

如果你不能做到这两件事中的任何一件，你就必须使用压缩算法，比如哈夫曼编码，并接受这样一个事实，即某些字符串是可压缩的（并且会变短），而另一些则不会（并且会变长）。

“我们知道，在最坏的情况下，可能的字符串集中的14个字符将被闲置。”你能详细说明一下吗？我相信这里需要的是编码，而不是编码compression@JohnKugelman53个字符的字符串，每个字符不同。67个可能的字符（52个字母、10个数字、5个符号）。67-53=14未使用。@pst谢谢，我已经添加了它作为标记。我认为这在每个字符都不同的情况下不起作用。据我所知，第一次出现的字符需要按照常规编码，然后将其添加到内部树结构中。这是真的，您确实需要编码转换为什么的前导表示，因此，它可能无法处理像您正在使用的字符串那样短的字符串。请检查问题。一旦再次使用字符集对结果进行编码，您是否可以确保这将对该字符集中的每一个可能长度53个字符串压缩3个字符？查看示例，这可能不适用于此输入，因为smaz仅压缩自然语言很好，因为它使用字典而不是通用算法。不幸的是，只有ASCII输入