日知录

原创 Managing Gigabytes--文本压缩

开门见山，文本压缩可以归纳为两大类, 符号方法和字典方法， 下面分别介绍下：1）符号方法，symbolwise method普通编码方式是每个字符都采用相同位数编码， 比如asc码， 每个字符都是8位编码。那么现在要压缩，就是要用更少的位数来表示字符。显而易见， 我们只须用较小的位数来表示高概率字符， 用较长的位数来表示低概率字符，这样平均下来就可以实现压缩。那么这里面就有两个点：a）怎么来确定每个待编码字符的概率，这就是概率模型问题。所谓概率模型就是为编码器提供的概率分布函数，我们必须保证编码器，和解码器