如何識別壓縮/解壓縮位組？

Question

我正在使用一個靜態字典文件，其中包含一些單詞和值。這個值不是固定的大小，例如the是1,love是01,kill是101等等。當我嘗試壓縮一組單詞時，如果該單詞的值存在，我遍歷每個單詞並查找字典。如果存在，我用值更改單詞，如果它不存在，我將單詞編碼爲字節。在壓縮之後，我得到了一大塊比特，並且由於這些字典值和未壓縮的字不是固定大小的，我不能對這些比特進行分組並對它們進行解碼。

我曾考慮過爲每組位使用1位標誌來確定它是壓縮的還是未壓縮的，但由於未知長度的碼字或常規字，我無法檢測到標誌位。

如果我使用1個字節的分隔符，它仍然有問題。假設我的分隔符是00000000，並且在分隔符之前有100，分隔符之後我有001，所以我們有10000000000001，我該怎麼知道這些位是哪一組是我的分隔符？ 我可以使用其他方法將這些壓縮/解壓縮位分組來解碼它們嗎？謝謝。

Answer 1

首先，您打算部署這種語言和系統？許多語言都提供了自己的壓縮庫和工具，可以滿足您的需求，而不需要重大的低級設計任務。

這裏的答案是建立一些更嚴格的簿記和文件格式，以便能夠撤消壓縮。大多數壓縮系統的文件格式都有一定的開銷，這就是爲什麼當你壓縮兩次文件時，你不一定會保存任何內容，並且實際上可以增加文件的大小。

通常文件在文件開始時利用頭來提供關鍵信息。這將是定義特定於壓縮文件的任何規則的好地方。

1. 創建僅在代碼字之間使用的固定大小分隔符。這可以在分析文件之後但在實際寫出壓縮數據之前確定。
2. 如果您生成您的分隔符而不是固定的已知值，請將其作爲您的一個標題項目。
3. 保持您的標題爲簡單的ascii格式，以便您可以使用標準工具（如sscanf和fscanf）輕鬆提取它。
4. 如果你想有一個頭可以包含額外的信息，你可能需要一個一致的方式來告訴頭結束和數據的開始。包括「ENDHEADER」的效果應該足夠並且仍然容易識別。