计算机基础_程序是怎样跑起来的_06_亲自尝试压缩数据

亲自尝试压缩数据

0、热身问题

1. 文件储存的基本单位是什么?
   字节，文件是字节数据的集合体。
2. DOC、LZH 和 TXT这些扩展名中，哪一个是压缩文件的扩展名?
   LZH是LHA等工具压缩过的文件的扩展名。
3. 文件内容用“数据的值×循环次数”来表示的压缩方法是RLE算法还是哈夫曼算法?
   RLE算法，比如AAABB变成A3B2
4. 在 Windows计算机经常使用的 SHIFT JIS字符编码中，1个半角英数是用几个字节的数据来表示的?
   1个字节，汉字等全角字符是用2个字节表示的
5. BMP( BITMAP)格式的图像文件，是压缩过的吗?
   BMP没有压缩过，比JPEG等压缩过的要大一些。
6. 可逆压缩和非可逆压缩的不同点是什么?
   压缩后的数据能复原的是可逆压缩，无法复原的是非可逆压缩 JPEG就是非可逆压缩。

---

1、文件以字节为单位保存

文件是将数据存储在磁盘等存储媒介中的一种形式。

存储数据的单位是字节（Byte），如xx KB，xx MB。所以，可以认为文件是字节数据的集合。

但是，请记住一点：文件中的字节数据都是连续存储的。

---

2、RLE算法

RLE算法（Run Length Encoding，行程长度编码）：简单理解，就是“数据 x 重复次数”。

RLE算法常用于压缩传真的图像。

压缩率：12 / 17 = 70%。

---

3、RLE算法的缺点

虽然针对相同数据经常连续出现的图像、文件等，RLE算法可以发挥不错的效果，但它并不适合文本文件的压缩，因为在实际的文本文件中，同样字符多次重复出现的情况并不多见。

以存储着"This is a pen."这14个字符的文本文件为例。
使用RLE算法对其进行压缩后，就变成了"T1hlils1 lils1lal 1pleln1.1"。
长度变为28个字符，是压缩前的2倍。

---

4、通过莫尔斯编码来看哈夫曼算法的基础

哈夫曼算法的关键在于多次出现的数据用小于8位的字节数来表示，不常用的数据可以用超过8位的字节数来表示。

但最后都要以8位（1字节）为单位保存到文件中，因为磁盘是以1字节为单位来保存数据的。

---

5、用二叉树实现哈夫曼编码

这一章在《数据结构与算法》这门课会重点讲原理，这里简单了解一下。

哈夫曼算法：为各压缩对象文件分别构造最佳的编码体系，并以该编码体系为基础进行压缩。

用哈夫曼法压缩过的文件中，存储着哈夫曼编码信息和压缩过的数据。

在哈夫曼算法中，借助于哈夫曼树构造编码体系，就算表示各字符的数据位数不同，也能够做成可以明确区分的编码。

---

6、哈夫曼算法能够大幅提升压缩比率

还是以“RLE算法”中的那个为例子。

压缩前：AAAAAABBCDDEEEEEF
哈夫曼编码：
	A：00
	B：100
	C：110
	D：101
	E：01
	F：111
压缩后：00 00 00 00 00 100 100 110 101 101 01 01 01 01 01 111   --->   40bit = 5byte

压缩率：5 /17 =29%。

---

7、可逆压缩和非可逆压缩

可逆压缩：能还原到压缩前状态的压缩。

不可逆压缩：无法还原到压缩前状态的压缩。

BMP：Windows的标准图像数据形式，是完全未压缩的。因为显示器和打印机输出的bit(点)是可以直接映射的，所以叫BMP（bitmap）

---

注：如有错误，敬请指正！