固定长度的VBA字符串压缩算法

Posted 2023-02-22

【中文标题】固定长度的VBA字符串压缩算法

【英文标题】：VBA String compresssion algorithm of fixed length

【发布时间】：2013-12-19 19:27:02

【问题描述】：

我有每个大小为 2,475 个字符的字符串（数百万个）。这些字符串由 0 和 1 组成。我将每个字符串转换为 ASCII 并返回，因此 8 个初始字符变为 1。这给了我 310 个字符的更短的长度。但由于这个长度仍然足够大，我尝试对已经缩短的字符串进行一些额外的压缩。我使用了霍夫曼编码/解码，但结果并不那么重要。我还尝试了一种 RLE 方法，在现有字符串上具有更好的结果（编码在 205 到 212 之间）字符。但这是我的问题！由于我事先不知道字符串，因此我正在寻找一种产生固定长度输出的压缩/解压缩算法。存在这样的东西吗？我也搜索了有关无尽压缩的信息，但没有找到任何可靠的建议/算法。任何想法都会受到欢迎。

【问题讨论】：

为什么需要定长输出？

或许您可以先尝试将字符串拆分为两个字符串？

我必须将字符串存储在一个随机文件中，这就是我需要固定长度的原因。

@Demetres 我不确定我是否完全理解，但你听说过固定长度的字符串吗？ IE。 Dim str as String * 5 其中5 是固定长度

@mehow 我的问题不是固定长度的字符串。如果你阅读了所有的 cmets，你会看到我在同一个字符串上应用了 2 种压缩算法，一个接一个。第二种算法是运行长度编码，它产生可变长度的结果。这个事实增加了额外的复杂性，因为我必须保持压缩字符串的实际长度。此外，为了写入文件的字符串会被传输到更大的文件中。所以，我一直在寻找更好的方法，但是......

【参考方案1】：

如果您对字符串的唯一了解是它们每个都包含 2475 个字符并且每个字符都是 0 或 1，那么没有比 2475 位（310 字节，5位被忽略）。证明不存在这样的压缩方案很简单，因为有 2²⁴⁷⁵ 个可能的字符串，并且它们都需要具有不同的代码（如果压缩是可逆的）。但是，具有 2²⁴⁷⁵ 个不同可能值的最短位序列是 2475 位长。 QED。

当然，如果某些 2475 字符的序列是不可能的，那么您可以通过不为非法序列保留任何压缩值来进行更多压缩。但是，为了创建合适的压缩算法，您需要知道哪些序列是不可能的，并相应地自定义压缩算法。所以没有通用的算法。

通用压缩算法没有固定长度的输出，因为它们随机压缩某些字符串到不同程度，而其他字符串被负压缩（即扩展）。假设所有字符串都具有某种内部模式，通常是重复模式，并且压缩可以利用重复来减少长度。作为补偿，一个不重复的字符串最终会被扩展。

【讨论】：

公平地说，不重复的字符串不太可能，扩展也不会很大。

@VoronoiPotato：是的，我有点过于简单化了。只需要几次重复，你就会得到很少的压缩（如果有的话）。对于可以压缩任意大小的可能字符串子集的程度，仍然存在信息理论限制。但是您永远不需要扩展太多；几位通常就足够了。

以我自己的常识和知识，我会同意你的看法。但是什么是“具有递归功能（BARF）的更好的存档器”？另外，请查看 endlesscompression.com>。里面有一些有趣的东西。

据说这个 BARF 压缩器使用了 257 种已知算法，可以重复应用它们以达到 1 字节的结果，也可以解压。这就是我试图以一种简化的方式并使用现有工具来做的事情。我也尝试下载代码并运行它，但我的防病毒软件说有问题。

通过我的小实验并仅使用 2 种算法（从 0,1 转换为 ASCII，然后是 RLE 编码），我得出了一个结果，例如210 个字符，即 1680 位。