压缩演示器
一个文件怎样才能变小,却不丢失哪怕一个字母?答案是发现它在重复自己。粘贴一段文本或选择一个示例,观察三种经典方法的工作过程:LZ77 指回前面出现过的文本,LZW 一边读取一边学习字符串字典,游程编码则统计相同字符连续出现的游程。每种方法的结果都会重新解压,以证明没有丢失任何内容,图表还会把它们与 ZIP 和熵极限进行比较。 输入或粘贴一段文本,或选择一个示例,然后选择一种方法。LZ77 用指向前文的引用来替换重复内容:点击高亮部分,即可看到它复制的是什么。LZW 一边读取一边建立字符串字典,并发送这些字符串的编号。RLE 压缩由相同字符组成的游程。图表把每种方法与 ZIP 和熵极限进行比较,应用还会把结果重新解压,以检查没有丢失任何内容。
它是如何运作的
- 输入或粘贴一段文本,或选择一个示例:一段文字、一首带副歌的歌、一行像素、一张数据表、随机字母或 DNA。
- 选择 LZ77、LZW 或 RLE。对于 LZ77,可以设置它最远能回看多远,点击高亮的引用即可看到它复制的前文。
- 在磁贴和图表中把各种大小与 ZIP 和熵极限进行比较;文本下方的检查会确认解压后得到的正是原文。
关键在于重复
无损压缩之所以有效,是因为真实数据会重复自己。LZ77 保留一个刚读过的文本窗口;只要接下来的字符已经在这个窗口中出现过,它就写下一个简短的引用,即往回多远、复制多少个字符,而不是写出这些字符本身。无论复制多长,一个引用都只花费固定数量的比特,所以又长又频繁的重复节省最多。LZW 用另一种方式达到同样的效果:它把遇到的每个新字符串都加入字典,此后只发送该字符串的编号。
为什么有些数据缩不小
能让某些文件变小的方法,必然会让另一些文件变大:短文件比长文件少,所以它们不可能全都变短。压缩在有规律的数据上取胜,例如文本、表格和简单图像,在没有规律的数据上则会失败。随机字母、加密数据和已经压缩过的文件没有任何可以指回的内容,输出与输入一样大,甚至更大。游程编码最清楚地说明了这一点:对没有游程的文本,它会让大小翻倍。
常见问题
无损压缩和有损压缩有什么区别?
无损压缩能逐比特地精确还原原始数据,文本、程序和数据都需要它,本演示器只展示无损方法。有损压缩,例如 JPEG 照片、MP3 音乐和视频,会丢弃人们几乎察觉不到的细节,得到小得多的文件,但原始数据无法恢复。
ZIP 是如何压缩文件的?
ZIP 和 gzip 使用 deflate,它先用 32 KB 的窗口运行 LZ77,再用霍夫曼编码写出字面量和引用:常见的值用短码,罕见的值用长码。正是这第二步,让 ZIP 通常胜过这里展示的普通 LZ77,后者对每个标记都花费固定数量的比特。
LZ77 能低于熵吗?
这里显示的熵是逐个字符计算的,不考虑上下文。LZ77 和 LZW 会利用上下文,因为一个引用复制的是一整段前文,所以在重复性强的文本上,它们可以远远低于这个数值。但它们永远无法突破信源的真实熵,因为真实熵已经考虑了全部上下文。
为什么这里的大小与真实的 ZIP 文件不同?
本演示器只计算编码数据的比特。真实的 ZIP 文件还要加上文件头、文件名、校验和以及霍夫曼表,这会让非常小的文件不减反增。
我的文本会被发送到任何地方吗?
不会。每种方法,包括 ZIP 对比,都在你的浏览器中运行,你的文本保存在此浏览器的本地存储中。
准备好尝试了吗?
在浏览器中打开 PictorX — 无需安装,无需信用卡即可启动。
前往编辑器