java - 当字符都具有相似的重复时，使用霍夫曼编码压缩文件？

Question

所以我一直在对一堆不同类型的文件（.jpg、.txt、.docx）实施霍夫曼压缩，我注意到很多有时压缩文件有时与原始文件几乎相同（例如：251,339 kb -> 250,917kb（没有标题！））我很确定我的代码是可靠的，但我不确定这是否正确。我注意到的是字符频率非常相似，例如，我将有 10 个字符，所有字符都有 65 次重复，然后是另外 10 个字符，重复次数为 66，然后是另外 10 个字符，重复次数为 67由于文件很大，压缩后的字符表示代码最终与原始文件大小相同，甚至更大（9位）。使用霍夫曼压缩时这是正常现象吗？

标签： javahuffman-code

Answer 1

使用 Huffman 编码时，将文件分成更小的块。这个想法是，较小的块将比平均所有内容的巨型文件具有更大的偏差。例如，一个块中可能有很多 0x00。另一个块可能有 0xFF 等等。然后使用 Huffman 算法压缩每个块将利用这些偏差对其有利。当然，如果块太小，那么 Huffman 代码表将是压缩块的较大部分，您将失去分块的好处。在 Deflate 案例中，代码表的大小为 50-100 个字节。

当然，正如其他受访者所评论的那样，如果您的源文件已经被压缩（JPEG 等），您将不会发现任何偏差或冗余，但是您将其分块。