gzip/deflate能识别模式吗

Question

我正在研究Gzip的内部工作，我知道它使用了Huffman编码和LZ77的组合。

我还意识到一个Gzip文件被分成几个块，每个块都有一个为它构建的字典。然后，频繁出现的相似数据被指向字典中位置的指针替换。

因此，短语“马与其他马比赛”将用指针取代马这个词。

Gzip是否包含比字典指针更好地压缩文件的机制？

Gzip压缩少量重复数据和少量难以压缩的数据的效果如何？

Answer 1

每个放气块都没有“为它构建的字典”。为每个放气块构建的是一组用于文字/长度符号和距离符号的霍夫曼代码。

您引用的字典只是紧随当前正在压缩的字节之前的32K字节的未压缩输入。就是这样。每个长度/距离对可以引用最近32K中的3到258字节的字符串。这是独立于deflate块的，这样的引用通常可以追溯到一个或多个块。

Deflate不能很好地压缩三个随机字节的序列，零字节，三个随机字节，零字节...不会有有用的重复字符串，在这里Deflate只能对文字进行霍夫曼编码，零更频繁。它将零编码为两位，因为它们出现的时间略多于25%，其余的文字至少为每个8.25位。对于该数据，平均每字节约为6.7位，或者压缩比为0.85。事实上，gzip给出的数据约为0.86。