Original
Ahorro

Método

Más información sobre la compresión

Demostrador de compresión

¿Cómo puede un archivo hacerse más pequeño sin perder ni una sola letra? Dándose cuenta de que se repite. Pega un texto o elige un ejemplo y observa tres métodos clásicos en acción: LZ77 remite al texto que apareció antes, LZW aprende un diccionario de cadenas mientras lee y la codificación por longitud de series cuenta las series de un mismo carácter. Cada método se vuelve a descomprimir para mostrar que no se ha perdido nada, y un gráfico los compara con ZIP y con el límite de la entropía. Escribe o pega un texto, o elige un ejemplo, y elige un método. LZ77 sustituye las repeticiones por referencias al texto anterior: haz clic en una parte resaltada para ver qué copia. LZW construye un diccionario de cadenas mientras lee y envía sus números. RLE comprime las series de un mismo carácter. El gráfico compara cada método con ZIP y con el límite de la entropía, y la app vuelve a descomprimir el resultado para comprobar que no se ha perdido nada.

Cómo funciona

  1. Escribe o pega un texto, o elige un ejemplo: un párrafo, una canción con estribillo, una fila de píxeles, una tabla de datos, letras aleatorias o ADN.
  2. Elige LZ77, LZW o RLE. Para LZ77, ajusta hasta dónde puede mirar hacia atrás, y haz clic en una referencia resaltada para ver el texto anterior que copia.
  3. Compara los tamaños de los recuadros y del gráfico con ZIP y con el límite de la entropía; la comprobación bajo el texto confirma que al descomprimir se recupera el original.

Las repeticiones son la clave

La compresión sin pérdida funciona porque los datos reales se repiten. LZ77 mantiene una ventana con el texto que acaba de leer; siempre que los caracteres siguientes ya aparecieron en esa ventana, escribe una referencia corta, «retrocede tanto y copia tantos caracteres», en lugar de los propios caracteres. Una referencia cuesta un número fijo de bits por larga que sea la copia, así que las repeticiones largas y frecuentes son las que más ahorran. LZW consigue el mismo efecto de otra forma: construye un diccionario con cada cadena nueva que encuentra y, a partir de ahí, envía el número de la cadena.

Por qué algunos datos no se reducen

Un método que hace más pequeños algunos archivos tiene que hacer más grandes otros: hay menos archivos cortos que largos, así que no todos pueden acortarse. La compresión gana con datos que tienen patrones, como textos, tablas e imágenes sencillas, y pierde con los que no los tienen. Las letras aleatorias, los datos cifrados y los archivos ya comprimidos no ofrecen a los métodos nada a lo que remitir, y el resultado sale tan grande como la entrada, o más. La codificación por longitud de series lo muestra con más claridad: en un texto sin series, duplica el tamaño.

Preguntas frecuentes

¿Qué diferencia hay entre la compresión sin pérdida y con pérdida?

La compresión sin pérdida devuelve exactamente el original, bit a bit; es necesaria para textos, programas y datos, y este demostrador solo muestra métodos sin pérdida. La compresión con pérdida, como en las fotos JPEG, la música MP3 y el vídeo, descarta detalles que apenas se notan y consigue archivos mucho más pequeños, pero el original no se puede recuperar.

¿Cómo comprime ZIP los archivos?

ZIP y gzip usan deflate, que primero aplica LZ77 con una ventana de 32 KB y después escribe los literales y las referencias con códigos de Huffman: códigos cortos para los valores comunes y largos para los raros. Ese segundo paso es la razón de que ZIP suela superar al LZ77 simple que se muestra aquí, que gasta un número fijo de bits en cada token.

¿Puede LZ77 bajar de la entropía?

La entropía mostrada cuenta los caracteres de uno en uno, sin contexto. LZ77 y LZW usan el contexto, porque una referencia copia todo un fragmento de texto anterior, así que en un texto repetitivo pueden superar esa cifra con creces. Nunca pueden superar la verdadera entropía de la fuente, que tiene en cuenta todo el contexto.

¿Por qué los tamaños difieren de los de un archivo ZIP real?

El demostrador solo cuenta los bits de los datos codificados. Un archivo ZIP real añade cabeceras, el nombre del archivo, una suma de comprobación y las tablas de Huffman, que hacen que los archivos muy pequeños se vuelvan más grandes en lugar de más pequeños.

¿Se envía mi texto a algún sitio?

No. Todos los métodos, incluida la comparación con ZIP, se ejecutan en tu navegador, y tu texto se queda en el almacenamiento local de este navegador.

¿Listo para probarlo?

Abre PictorX en tu navegador: sin instalación ni tarjeta de crédito para empezar.

Ir al editor