背景

一个字节可以表示的256个可能的字符中，大多数情况下仅使用其中的几个。我们不能以某种方式利用此优势，并通过消除对很少使用的字母的需要来使我们的文本文件更小？

在大多数情况下，许多字母没有任何价值，可以用更常见的字母代替。例如，在大多数情况下，小写字母“ L”，大写字母“ I”和数字“ 1”看起来几乎相同，因此可以对其进行合并。

几乎不需要大写字母，因此可以省去。解压缩/显示程序甚至可以自动将每个句子的首字母大写，常用名等。

规则

参赛作品的评选依据：

• 压缩率
• 解压缩后的可读性

将针对本文的纯文本版本测试条目：http：//en.wikipedia.org/wiki/Babbage和随机选择的BBC新闻文章。

额外的分数将被授予；保留任何标记，解压后美化（即大写句子等）。

语言能力

• 您喜欢的任何对象，但必须在基本的* nix框上轻松编译（或解释）。

佩尔

效率很低，费率很差。需要/usr/share/dict/words。

压缩机

#!/usr/bin/perl

$M = 2;
$N = 1;
$Min = 3;
$Max = 8;

while (<>) {
  for (split /\s+/) {
    s/[^a-z]//i;
    ($p) = m/([^a-z]*)$/;
    $_ = lc $_;
    $l = (length $_) - (length $p);
    s/^and$/A/;
    s/^he$/H/;
    s/^in$/I/;
    s/^of$/O/;
    s/^you$/U/;
    s/^the$/Z/;
    if (length $_ >= $Min) {
      if (length $_ <= $Max) {
        s/ed/D/g;
        s/ing\b/N/g;
        s/er/R/g;
        s/'s/S/g;
        s/th/T/g;
        s/[aeo]{1,2}//g;
        $_ .= $l;
      } else {
        s/^(.{$M})(.+)(\w{$N})$/$1.(length$2).$3/e;
      }
    }
    $a .= $_ . $p . ' ';
  }
}
print $a;

解压器

#!/usr/bin/perl

$M = 2;
$N = 1;

open D, '/usr/share/dict/words';
chomp, push @W, $_ while <D>;
close D;

while (<>) {
  for (split /\s+/) {
    ($_, $p) = m/^(.+)([^a-z]*)$/;
    s/^A$/and/;
    s/^H$/he/;
    s/^I$/in/;
    s/^O$/of/;
    s/^U$/you/;
    s/^Z$/the/;
    if ($_ =~ m/^(\w{$M})(\d+)(\w{$N})$/) {
      $r = '^' . quotemeta($1) . ('\w' x $2) . quotemeta($3) . '$';
      ($_) = (grep /$r/, @W);
      $_ .= $4;
    } else {
      ($_, $l) = m/^(.+)(\d+)$/;
      s/D/ed/g;
      s/N/ing/g;
      s/R/er/g;
      s/S/'s/g;
      s/T/th/g;
      $r = '[aeo]{0,2}';
      for $y(split //) { $r .= (quotemeta $y) . '[aiueo]{0,2}' }
      ($_) = (grep /^(?=[a-z]{$l})$r$/, @W);
    }
    $a .= $_ . $p . ' ';
  }
}
print $a;

Perl，0个字符

压缩比为无穷大，尽管解压缩后无法读取，所以它将失去一些标记。

重击，5个字符

我的懒惰条目可能会赢：

bzip2

无损，因此可以完美保留可读性并获得所有额外的标记！Babbage html上的压缩率为4.79x（153804至32084字节）。