blocks|key|1423692|text|RFC+1951描述了充气/放气，包括对压缩器算法的简要描述。Antaeus+Feldspar的An+Explanation+of+the+Deflate+Algorithm提供了更多的背景。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|1423693|此外，zlib源代码发行版在contrib/puff/puff.c中包含了一个简化的参考充气装置，它有助于阅读以准确地理解比特是如何排列的(但它不包含deflate，只包含inflate)。|1423694|entityMap|0|LINK|mutability|MUTABLE|url|http://www.ietf.org/rfc/rfc1951.txt|1|http://zlib.net/feldspar.html^0|0|8|0|1C|13|1|0|0^^$0|@$1|2|3|4|5|6|7|P|8|@]|9|@$A|Q|B|R|1|S]|$A|T|B|U|1|V]]|C|$]]|$1|D|3|E|5|6|7|W|8|@]|9|@]|C|$]]|$1|F|3|-4|5|6|7|X|8|@]|9|@]|C|$]]]|G|$H|$5|I|J|K|C|$L|M]]|N|$5|I|J|K|C|$L|O]]]]

<a href="http://www.ietf.org/rfc/rfc1951.txt" rel="nofollow noreferrer">RFC 1951</a> describes inflate/deflate, including a brief description of the compressor's algorithm. Antaeus Feldspar's <a href="http://zlib.net/feldspar.html" rel="nofollow noreferrer">An Explanation of the Deflate Algorithm</a> provides a bit more background.

Also, the zlib source distribution contains a simplified reference inflater in contrib/puff/puff.c that can be helpful reading to understand exactly how the bits are arranged (but it doesn't contain a deflate, only inflate).

blocks|key|4334719|text|好吧，我不能为你完成比赛，但请在维基上查看这篇文章：Run+Length+Encoding。到目前为止，它是压缩数据的最简单的方法之一，尽管并不总是一种有效的方法。压缩也是特定于域的，即使在无损算法中，您也会发现压缩的内容决定了如何对其进行最佳编码。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|4334720|entityMap|0|LINK|mutability|MUTABLE|url|http://en.wikipedia.org/wiki/Run-length_encoding^0|Q|J|0|0^^$0|@$1|2|3|4|5|6|7|L|8|@]|9|@$A|M|B|N|1|O]]|C|$]]|$1|D|3|-4|5|6|7|P|8|@]|9|@]|C|$]]]|E|$F|$5|G|H|I|C|$J|K]]]]

Well, I can't go so far as to complete the competition for you, but please check out this article on wiki: <a href="http://en.wikipedia.org/wiki/Run-length_encoding" rel="nofollow noreferrer">Run Length Encoding</a>. It is by far one of the simplest ways to compress data, albeit not always an efficient one. Compression is also domain specific, even amongst lossless algorithms you will find that what you are compressing determines how best to encode it.

blocks|key|1118025|text|我会在维基百科上启动here。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|1118026|有很多可供选择的，但如果不知道你想要什么，就很难提供更多的帮助。您是在压缩文本、图像、视频，还是只压缩随机文件？每种方法都有自己的一套技术和挑战，以获得最佳结果。|1118027|如果易于实现是唯一的标准，我会使用"filecopy“压缩。保证压缩比恰好为1:1，并且实现简单...|1118028|entityMap|0|LINK|mutability|MUTABLE|url|http://en.wikipedia.org/wiki/Category:Lossless_compression_algorithms^0|A|4|0|0|0|0^^$0|@$1|2|3|4|5|6|7|P|8|@]|9|@$A|Q|B|R|1|S]]|C|$]]|$1|D|3|E|5|6|7|T|8|@]|9|@]|C|$]]|$1|F|3|G|5|6|7|U|8|@]|9|@]|C|$]]|$1|H|3|-4|5|6|7|V|8|@]|9|@]|C|$]]]|I|$J|$5|K|L|M|C|$N|O]]]]

I'd start <a href="http://en.wikipedia.org/wiki/Category:Lossless_compression_algorithms" rel="nofollow noreferrer">here</a> on Wikipedia.

There's a whole lot to choose from, but without knowing more about what you want it's difficult to help more. Are you compressing text, images, video or just random files? Each one has it's own set of techniques and challenges for optimal results.

If ease of implementation is the sole criterion I'd use "filecopy" compression. Guaranteed compression ratio of exactly 1:1, and trivial implementation...

blocks|key|1423660|text|如果你正在压缩纯文本，Huffman是很好的选择。下面的所有评论者都向我保证，这是一个实现;D的joy|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|1423661|entityMap|0|LINK|mutability|MUTABLE|url|http://en.wikipedia.org/wiki/Huffman_coding^0|19|2|B|7|0|0^^$0|@$1|2|3|4|5|6|7|N|8|@$9|O|A|P|B|C]]|D|@$9|Q|A|R|1|S]]|E|$]]|$1|F|3|-4|5|6|7|T|8|@]|D|@]|E|$]]]|G|$H|$5|I|J|K|E|$L|M]]]]

<a href="http://en.wikipedia.org/wiki/Huffman_coding" rel="nofollow noreferrer">Huffman</a> is good if you're compressing plain text. And all the commenters below assure me it's a joy to implement <code>;D</code>

blocks|key|4334895|text|易于实现:+Huffman，如前所述。我相信LZW已经不再是专利了，但我不确定。这是一个相对简单的算法。不过，LZ77应该是可用的。最后，Burrows-Wheeler转换允许压缩，但实现起来要困难得多。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|4334896|entityMap^0|0^^$0|@$1|2|3|4|5|6|7|D|8|@]|9|@]|A|$]]|$1|B|3|-4|5|6|7|E|8|@]|9|@]|A|$]]]|C|$]]

Ease of implementation: Huffman, as stated before. I believe LZW is no longer under patent, but I don't know for sure. It' a relatively simple algorithm. LZ77 should be available, though. Lastly, the Burrows-Wheeler transform allows for compression, but it's significantly more difficult to implement.

blocks|key|1423746|text|我喜欢这篇关于Burrows-Wheeler+Transform的介绍。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|1423747|entityMap|0|LINK|mutability|MUTABLE|url|http://james.fabpedigree.com/bwt.htm^0|7|P|0|0^^$0|@$1|2|3|4|5|6|7|L|8|@]|9|@$A|M|B|N|1|O]]|C|$]]|$1|D|3|-4|5|6|7|P|8|@]|9|@]|C|$]]]|E|$F|$5|G|H|I|C|$J|K]]]]

I like this introduction to the <a href="http://james.fabpedigree.com/bwt.htm" rel="nofollow noreferrer">Burrows-Wheeler Transform</a>.

blocks|key|1118152|text|如果你在互联网浏览器的“视图”下，应该有一个“缩小”或使文本变小的选项。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|1118153|选择其中之一，然后...|1118154|BAM！|offset|length|style|BOLD|1118155|你只是在同一个屏幕上看到了更多的文本！耶！压缩！|1118156|entityMap^0|0|0|0|3|0|0^^$0|@$1|2|3|4|5|6|7|N|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|O|8|@]|9|@]|A|$]]|$1|D|3|E|5|6|7|P|8|@$F|Q|G|R|H|I]]|9|@]|A|$]]|$1|J|3|K|5|6|7|S|8|@]|9|@]|A|$]]|$1|L|3|-4|5|6|7|T|8|@]|9|@]|A|$]]]|M|$]]

If you go under "View" in your internet browser, there should be an option to either "Zoom Out" or make the text smaller.

Select one of those and...

BAM!

You just got more text on the same screen! Yay compression!

blocks|key|4334847|text|Security+Now!+podcast最近发布了一篇文章，重点介绍了数据压缩算法。Steve+Gibson很好地解释了Huffman和Lempel-Ziv压缩技术的基础知识。您可以收听音频播客或阅读Episode+205的文字记录。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|4334848|entityMap|0|LINK|mutability|MUTABLE|url|http://twit.tv/sn|1|http://www.grc.com/securitynow.htm^0|0|L|0|2T|B|1|0^^$0|@$1|2|3|4|5|6|7|N|8|@]|9|@$A|O|B|P|1|Q]|$A|R|B|S|1|T]]|C|$]]|$1|D|3|-4|5|6|7|U|8|@]|9|@]|C|$]]]|E|$F|$5|G|H|I|C|$J|K]]|L|$5|G|H|I|C|$J|M]]]]

The <a href="http://twit.tv/sn" rel="nofollow noreferrer">Security Now! podcast</a> recently put out an episode highlighting data compression algorithms. Steve Gibson gives a pretty good explanation of the basics of Huffman and Lempel-Ziv compression techniques. You can listen to the audio podcast or read the transcript for <a href="http://www.grc.com/securitynow.htm" rel="nofollow noreferrer">Episode 205</a>.

I am looking for a compression algorithm (for a programming competition) and I need a full description of how to implement it (all technical details), any loseless and patent-free algorithm will do, but the ease of implementation is a bonus :)

(Although possibly irrelevant) I plan to implement the algorithm in C++...

Thanks in advance.

EDIT:
I will be compressing text files only, no other file types...

Full description of a compression algorithm

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我正在寻找一个压缩算法(用于编程竞赛)，我需要一个如何实现它的完整描述(所有技术细节)，任何无损和无专利的算法都可以，但易于实现是一个额外的好处:)(虽然可能无关紧要)我计划在C++中实现算法...提前谢谢。编辑:我将只压缩文本文件，不压缩其他文件类型...

问压缩算法的完整描述
EN

回答 8

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问压缩算法的完整描述EN

回答 8

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问压缩算法的完整描述
EN