文件压缩如何工作？

因此，我今天意识到我认为文件压缩是理所当然的。我可以接受的事实是，可以将几个文件捆绑在一起，并且比任何文件都小，这是事实，但是它实际上是如何工作的呢？

我对它的了解有限，其中包括与用指针替换所有重复项以缩小方式有关的事情，但是除此之外，我还是一无所知！

我一直对新知识持开放态度，就像我想象中的大多数人一样，我想问一下。那么，SuperUser，压缩实际上是如何工作的？

无损压缩

无损压缩是没有数据丢失的地方。输入的所有内容都可以完美检索。这适用于文本或二进制文件，其中将注意到最小的错误。

文件压缩的​​工作原理是：获取文件并扫描模式，然后将这些模式转换为占用更少空间的其他内容。

例如，“ AAAAAAAA”可以变成“ 8A”。

当然，这不是它的确切工作方式，因为那样您就会遇到如果“ 8A”是纯文本格式的问题。您将解压缩文件，这将是错误的。维基百科或LZW数据压缩算法是一个不错的起点。

下面复制了一些简单的伪代码：

STRING = get input character
WHILE there are still input characters DO
    CHARACTER = get input character
    IF STRING+CHARACTER is in the string table then
        STRING = STRING+character
    ELSE
        output the code for STRING
        add STRING+CHARACTER to the string table
        STRING = CHARACTER
    END of IF
END of WHILE
output the code for STRING

所有压缩都使用查找字典，该字典用于压缩和解压缩文件。字典越大，则压缩得越多，尽管您确实遇到了收益递减定律。

还值得注意的是，压缩并不总是产生较小的文件。在某些情况下（文件较小或压缩随机数据时），压缩后将不会得到较小的文件。压缩随机数据的能力面临一些有趣的挑战。

“有损”压缩

以上主要涉及无损压缩。视频/音频应用中使用的其他类型的压缩（例如MP3，JPG和h.264）是有损压缩的示例。

有损压缩通过丢弃最不可能引起注意的数据来工作。音频中的声音约为30,000 Hrz，低于100 Hrz，还有其他各种事物。在图片（静态）中，它会删除各种内容并将像素混合在一起，并丢弃数据。

有损压缩是变换编码的一种形式。它对数据进行平均以减小整体大小。例如，图像中的一个10像素的块，可以将所有略有不同的颜色合并在一起成为一种颜色，然后进行压缩。

在视频压缩中，通常会放置指令以仅重绘自上一帧或关键帧以来发生变化的像素。

压缩的工作方式是在数据中找到模式，然后用特殊的较小模式替换这些模式。减压是相反的：找到特殊的模式，并用它们代表的较大模式替换它们。了解哪种模式很重要；例如，在文本中找到的图案可能与在图像中找到的图案完全不同。一些压缩技术是有损的；它们不能保证扩展将完全恢复输入。如果损失足够小，通常适合模拟数据，例如音乐和图像。但是，必须使用无损技术来压缩文本等数据。

重要的是要意识到，即使是单个位，也不可能无损地压缩随机数据。考虑一个具有N位二进制数据的文件。有2 ^ N个可能的文件。如果将这些文件中的任何一个压缩一个位，那么压缩文件的大小为N-1位，则只有2 ^（N-1）个可能的压缩表示形式。换句话说，每个可能的压缩文件必须代表多个可能的未压缩文件。没有唯一的压缩表示，解压缩算法将无法保证无损解压缩。