【发布时间】：2011-03-27 16:20:41
【问题描述】：
例如它怎么知道一个 4GB 的文本文件可以压缩到 200MB 呢？显然，它不会在 2 秒左右的时间内读取所有内容......那么它使用什么样的预测算法？
【问题讨论】：
-
我只是猜测它会对文件进行采样并尝试压缩文件的 1% 并以此为基础进行估计。当然，样本必须分散在整个文件中。
标签： algorithm compression winrar
【发布时间】：2011-03-27 16:20:41
【问题描述】：
他们使用称为 PPMd 的部分匹配 (PPM) 预测变体。 看wiki
【讨论】：
-
Rar 确实使用了 ppmd，但它与压缩比估计没有任何关系。 PPM 中的“部分匹配”是关于通过短前缀字符串（不是完全匹配）预测下一个符号。 PPM 比 LZ 的计算量更大，因此它不太可能用于任何快速估计。无论如何，没有人知道 rar 是如何做到的，但 Tomasz 可能是对的。
-
@Shelwien：我是您网站的忠实粉丝！我喜欢数据压缩——但我的理解是有限的（而且我是一个懒惰的人）但是你觉得我的回答怎么样？值得一票吗？谢谢！
-
@epitaph：对不起，但它既错误又与问题无关。
-
我的意思是 char a=3, char b=4 然后 -log(3)+log(2)+log(4)+log(2) = 你需要多少位来编码字符串aaaabbbb。
-
不，它不是这样工作的。香农的熵是 -log2(p)=-log(p)/log(2)。在您的情况下，它的 -4*log2(a/(a+b))-4*log2(b/(a+b)) = (8*log(7)-4*log(3)-4*log( 4))/log(2)
通常需要 -log(x) + log(2) 位来压缩 x 位。然而，这是一个高度理论值，它完全取决于您要压缩的数据。对于您的数据，您必须记录每个字符和频率并将其插入公式中。例如，先尝试 3 个字符。您想查找香农代码。
【讨论】：