计算理论文本文件的大小答案

【问题标题】：Calculating size of a theoretical text file计算理论文本文件的大小
【发布时间】：2012-12-14 15:51:23
【问题描述】：

我正在写一篇关于人口普查局的 population projections 到 2060 年的文章，它包含一个 3.3 MB 的 .csv 文件（未压缩时）。

该文件由 539,781 个值组成，每个值是 5-7 位，占用 3,455,372 个字符。当我 gzip 文件时，它下降到 1550063 字节，即 1.47 MB。

我希望能够如实声明它可以安装在 3.5 英寸软盘上，最大容量为 1.44 MB。这只是一个参考点，而不是给需要说明如何操作的用户的建议。

有没有办法根据上面的字符数计算文本文件的理论大小？如果我们真的有一张 3.5 英寸的软盘和一个驱动器，是否有可能在不丢失信息的情况下将这个文件放在磁盘上？谢谢！

【问题讨论】：

【解决方案1】：

不，不可能仅根据文件的字符数来估计文件压缩版本的大小。可以以不同的效率级别压缩不同的字符串；纯由一个字符组成的字符串比纯随机生成的字符串更容易压缩。

在信息论中，有一个 Kolmogorov 复杂度的概念，它（或多或少）是重构字符串所需的最少信息量。并不是所有的字符串都可以压缩成更小的字符串，并且不可能建立一个通用的算法来找到任意字符串的 Kolmogorov 复杂度。此外，一旦字符串足够长，就不可能证明您已经找到了字符串的最佳编码。

希望这会有所帮助！

【讨论】：

【解决方案2】：

如果您想说它适合 1.44 MB 软盘，那么只需使用更好的压缩器来证明它。尝试 7-Zip 或 xz（取决于您的平台）。你已经足够接近了，我相信这会成功。（你用过 gzip -9 吗？）

顺便说一句，我不确定它的实用性，因为当你向他们描述这个“软盘”东西时，很多人会不知道你在说什么。

如前所述，是否无法计算理论上的最佳压缩率。只需使用最好的压缩机进行估算即可。

更新：

下载了。 xz 将其压缩为 1177180 字节。所以是的，它适合。

【讨论】：