壓縮

壓縮

來自 呢圖網 的圖片

中文名稱；壓縮 外文名稱；compress 拼音；yā suō 詞義；化繁為簡, 解釋；加以壓力,以減小體積、大小 目的；提煉重要信息,並加以組織整合

壓縮是一種通過特定的算法來減小計算機文件大小的機制。這種機制是一種很方便的發明，尤其是對網絡用戶，因為它可以減小文件的字節總數，使文件能夠通過較慢的互聯網連接實現更快傳輸，此外還可以減少文件的磁盤占用空間。

目錄

基本介紹

壓縮（compression）是為了減少數據大小以節省保存空間和傳輸的時間。為了數據的傳輸，壓縮能夠作用於單獨的數據內容或者所有的傳輸單元（包括數據頭），這取決於一些特定的因素。

內容壓縮很簡單，它就是移除多餘的空白字符，插入單個的重複字符指出一個字符串中重複的字符，以及將小型的位串用頻繁使用的字符替代。這種類型的壓縮能夠將文本文件的大小減少50%。壓縮由使用特定公式和算法的程序來執行，它確定如何壓縮和解壓數據。

原理

利用算法將文件有損或無損地處理，以達到保留最多文件信息，而令文件體積變小。壓縮文件的基本原理是查找文件內的重複字節，並建立一個相同字節的"詞典"文件，並用一個代碼表示，比如在文件里有幾處有一個相同的詞"中華人民共和國"用一個代碼表示並寫入"詞典"文件,這樣就可以達到縮小文件的目的軟件。由於計算機處理的信息是以二進制數的形式表示的，因此壓縮軟件就是把二進制信息中相同的字符串以特殊字符標記來達到壓縮的目的。為了有助於理解文件壓縮，在腦海里想象一幅藍天白雲的圖片。對於成千上萬單調重複的藍色像點而言，與其一個一個定義「藍、藍、藍……」長長的一串顏色，還不如告訴電腦：「從這個位置開始存儲1117個藍色像點」來得簡潔，而且還能大大節約存儲空間。這是一個非常簡單的圖像壓縮的例子。其實，所有的計算機文件歸根結底都是以「1」和「0」的形式存儲的，和藍色像點一樣，只要通過合理的數學計算公式，文件的體積都能夠被大大壓縮以達到「數據無損稠密」的效果。

總的來說，壓縮可以分為有損和無損壓縮兩種。如果丟失個別的數據不會造成太大的影響，這時忽略它們是個好主意，這就是有損壓縮。有損壓縮廣泛應用於動畫、聲音和圖像文件中，典型的代表就是影碟文件格式mpeg、音樂文件格式mp3和圖像文件格式jpg。但是更多情況下壓縮數據必須準確無誤，人們便設計出了無損壓縮格式，比如常見的zip、rar等。壓縮軟件（compression software）自然就是利用壓縮原理壓縮數據的工具，壓縮後所生成的文件稱為壓縮包（archive），體積只有原來的幾分之一甚至更小。當然，壓縮包已經是另一種文件格式了，如果你想使用其中的數據，首先得用壓縮軟件把數據還原，這個過程稱作解壓縮。常見的壓縮軟件有Winzip、WinRAR等。

重複壓縮

有兩種形式的重複存在於計算機數據中，zip就是對這兩種重複進行了壓縮。

第一種

一種是短語形式的重複，即三個字節以上的重複，對於這種重複，zip用兩個數字：1.重複位置距當前壓縮位置的距離；2.重複的長度，來表示這個重複，假設這兩個數字各占一個字節，於是數據便得到了壓縮，這很容易理解。

一個字節有 0 - 255 共 256 種可能的取值，三個字節有 256 * 256 * 256 共一千六百多萬種可能的情況，更長的短語取值的可能情況以指數方式增長，出現重複的概率似乎極低，實則不然，各種類型的數據都有出現重複的傾向，一篇論文中，為數不多的術語傾向於重複出現；一篇小說，人名和地名會重複出現；一張上下漸變的背景圖片，水平方向上的像素會重複出現；程序的源文件中，語法關鍵字會重複出現，以幾十 K 為單位的非壓縮格式的數據中，傾向於大量出現短語式的重複。經過上面提到的方式進行壓縮後，短語式重複的傾向被完全破壞，所以在壓縮的結果上進行第二次短語式壓縮一般是沒有效果的。

第二種

第二種重複為單字節的重複，一個字節只有256種可能的取值，所以這種重複是必然的。其中，某些字節出現次數可能較多，另一些則較少，在統計上有分布不均勻的傾向，這是容易理解的，比如一個 ASCII 文本文件中，某些符號可能很少用到，而字母和數字則使用較多，各字母的使用頻率也是不一樣的，據說字母 e 的使用概率最高；許多圖片呈現深色調或淺色調，深色（或淺色）的像素使用較多（這裡順便提一下：png圖片格式是一種無損壓縮，其核心算法就是 zip 算法，它和 zip 格式的文件的主要區別在於：作為一種圖片格式，它在文件頭處存放了圖片的大小、使用的顏色數等信息）；上面提到的短語式壓縮的結果也有這種傾向：重複傾向於出現在離當前壓縮位置較近的地方，重複長度傾向於比較短（20字節以內）。這樣，就有了壓縮的可能：給 256 種字節取值重新編碼，使出現較多的字節使用較短的編碼，出現較少的字節使用較長的編碼，這樣一來，變短的字節相對於變長的字節更多，文件的總長度就會減少，並且，字節使用比例越不均勻，壓縮比例就越大。

WinMount、WinRAR、WinZip、7-Zip 、coolrar

常見壓縮格式

主要有:rar,zip,tar,cab,uue,jar,iso,z,7-zip,ace,lzh,arj,gzip,bz2等壓縮文件。

經過壓縮軟件壓縮的文件叫壓縮文件,壓縮的原理是把文件的二進制代碼壓縮,把相鄰的0,1代碼減少,比如有000000,可以把它變成6個0 的寫法60,來減少該文件的空間。

JAR

JAR 文件就是 Java Archive File，顧名思意，它的應用是與 Java 息息相關的，是 Java 的一種文檔格式。JAR 文件非常類似 ZIP 文件——準確的說，它就是 ZIP 文件，所以叫它文件包。JAR 文件與 ZIP 文件唯一的區別就是在 JAR 文件的內容中，包含了一個 META-INF/MANIFEST.MF 文件，這個文件是在生成 JAR 文件的時候自動創建的。

ZIP

ZIP應該算是最常見的壓縮文件格式了，它不需要單獨的一個壓縮或者解壓縮軟件，因為Windows系統已經集成了對ZIP壓縮格式的支持。

RAR

雖然ZIP在壓縮文件格式中地位很高，但相當多的下載網站都選擇了用RAR格式來壓縮他們的文件，最根本的原因就在於RAR格式的文件壓縮率比ZIP更高。

7Z作為壓縮格式的後起新秀，7Z有着比RAR更高的壓縮率，能夠將文件壓縮的更加小巧。不過因為RAR格式已經高度普及，又沒有網絡普及的「天時」相助，7Z想要取代RAR的地位還是相當不容易的。

CAB

CAB是微軟的一種安裝文件壓縮格式，主要應用於軟件的安裝程序中。因為涉及到安裝程序，所以cab文件中包含的文件通常都不是簡單的直接壓縮，而是對文件名等都進行了處理，所以雖然可以對其直接解壓縮，但解壓後得到的文件通常都無法直接使用。

ISO

很多人都認為ISO是一種壓縮格式，這源於WinRAR添加了對ISO格式「解壓」的支持。而實際上，ISO並不是壓縮格式，它之中所包含的文件也並沒有經過壓縮。ISO只是一種光盤的鏡像格式，完全複製並保存了光盤上的內容而已。所謂的對ISO「解壓」的過程，不過就是對ISO內文件的提取過程。

TAR

tar為後輟的文件能用WinZip或WinRAR打開,是因為WinZip或WinRar對.tar文件進行了關聯，也就是指可以用相應的解壓軟件將其解壓。

.tar是linux下較為常用的壓縮文件的格式，並不是什麼數據庫文件。

UUE

uue是一種在遇到郵件編碼混合引起亂碼的情況下比較有用的壓縮格式，可以用WinZip或者WinRAR打開。

上面主要只介紹了常用的壓縮文件。

如果從互聯網上下載程序和文件，可能會遇到很多ZIP文件。這種壓縮機制是一種很方便的發明，尤其是對網絡用戶，因為它可以減小文件中的比特和字節總數，使文件能夠通過較慢的互聯網連接實現更快傳輸，此外還可以減少文件的磁盤占用空間。在下載了文件後，計算機可使用WinZip或Stuffit這樣的程序來展開文件，將其復原到原始大小。如果一切正常，展開的文件與壓縮前的原始文件將完全相同。 乍一聽好像很神秘：它是怎樣減少比特和字節的數量並將它們原封不動地還原回去的呢？這個過程背後的基本理念其實非常簡單明了，就是下面這種通過簡單壓縮來明顯減小文件的方法。

大多數計算機文件類型都包含相當多的冗餘內容——它們會反覆列出一些相同的信息。文件壓縮程序就是要消除這種冗餘現象。與反覆列出某一塊信息不同，文件壓縮程序只列出該信息一次，然後當它在原始程序中出現時再重新引用它。