我正在撰寫一篇關於人口普查局的population projections到2060的文章，其中包含一個3.3 MB .csv文件，其中包含未壓縮的文件。計算理論文本文件的大小
該文件包含539,781個值，每個值爲5-7個數字，佔用3,455,372個字符。當我gzip文件時，它下降到1550063字節，或1.47 MB。
我希望能夠如實說明它適合3.5英寸軟盤，最大容量爲1.44 MB。這只是一個參考點，而不是建議用戶需要如何操作的指導。
有沒有辦法根據上面的字符數來計算文本文件的理論大小？如果我們實際上有一個3.5英寸軟盤和一個驅動器，是否可以將這個文件放在磁盤上而不會丟失信息？謝謝！
不，不可能僅基於字符數估計文件壓縮版本的大小。不同的字符串可以以不同的效率級別進行壓縮;純粹由一個字符組成的字符串比純粹隨機生成的字符串更容易壓縮。
在信息論中，存在Kolmogorov複雜性的概念，它是（或多或少）重構字符串所需的最小量的信息。不是所有的字符串都被壓縮成更小的字符串，並且不可能建立一個通用算法來查找任意字符串的Kolmogorov複雜度。而且，一旦字符串ets足夠長，就不可能證明你已經找到了字符串的最佳編碼。
希望這會有所幫助！
完美，謝謝您！ –
如果你想說它適合於1.44 MB的軟盤，那就用更好的壓縮器來證明它。嘗試7-Zip或xz（取決於您的平臺）。你足夠接近，我敢肯定，這將做到這一點。 （你使用gzip -9嗎？）
順便說一句，我不確定這個的效用，因爲很多人不知道你在說什麼，當你描述這個「軟盤磁盤「的東西給他們。
正如已經指出的那樣，是不是可以計算理論最佳壓縮。只需使用最好的壓縮機來獲得估計值。
更新：
下載它。 xz將它壓縮到1177180字節。所以是的，它很合適。
謝謝！我將不得不鏈接到軟盤的概念:) –
這將是可能的（甚至很容易，即使是自動的）來計算熵。儘管如此，還是需要檢查文件的全部內容。 （如果我們知道值的範圍，可以進行高估：最小值和最大值是多少？） – delnan
最小值爲0，最大值爲420267733 這裏計算得出 https://gist.github.com/4287201 –