常见的压缩算法有哪些？

上大学的时候，我一个教授，是数据压缩方面的专家，研究过这些东西。

然后给我们在讲正课的时候，一不小心就偏离主线（他也经常一不小心讲政治、讲旧社会的事），为我们讲过这方面的东西，当然，大学一节课俩小时，也讲不了太多，不过课下，我还真有段时间对这问题感兴趣过。也简单研究过。

现在主流的压缩比较强、通用性较高的算法，有 5 种：

• LZSS（这名字是 按人名音译 的，反正最著名了）
• 字典编码
• 算术编码
• 动态马尔可夫压缩
• 霍夫曼编码

其实这些看着都花里胡哨的，但分开来看，原理都特别简单。

今天用最简单的人话给诸位讲一下，每个都 100~200 字左右！

不过很可惜，现在人都不热衷于研究压缩算法了，上面这 5 种肯定不是所有的压缩算法，其实目前这个学科依然非常分散，而且越来越小众了。人们面对现在巨大的科技飞跃储存技术，都没人在乎。更甚，这些东西有很多已经算是失传的东西了。不过，单纯从趣味来说，还是很有趣的。

先说第一个，LZSS 。

这是最古老的算法，全称 Lempel-Ziv-Storer-Szymanski ，是四个科学家的名字连在一起了。

在西天的维基百科上有它的压缩例子：

压缩前：

压缩前

压缩后:

压缩后

看到了吗？

压缩器会对重复字符添加标记，待它再次出现时，使用标记（比如 (5,3)）来代替。

LZSS 是一个征服世界的压缩算法。原理就这么简单。当然也有点问题，就是这个标记不能随便加，很可能造成数据没压缩，又到处是标记，然后文字大小反而膨胀了。

当然，真正生产环境下的 LZSS 会复杂很多。而上面那问题的解决方案也很粗暴：如果你的这个标记，长度比原文字还长，那就放弃。就这么简单.... 然后就能防止 【没压缩反而膨胀】 的问题。

然后就是字典编码。

这个更强大，理论上只要字典足够大，那么文件就足够小。

原理很简单，给常用的内容，起一个代号。

字典编码 前

然后我们让

< 1 > 代指 人工智能的发展

< 2 > 代指 深度学习技术

< 3 > 代指 带来了

结果就是：

字典编码 后

这就是它的基本思想。如果你高兴，你能设置几百个，然后结果会更小。

然后是算术编码！

它的特点是，速度很快，效率很高，性价比很高。它看起来会很复杂，它里面用到了数学。

理论上，极端的案例就是，我们耳熟能详的那个外星人在飞船上刻标记的故事：

外星人，要临走了，地球人要送它厚厚的《知识》，但是外星人搬不走，怎么办？就想了个办法，假设飞船长为 1，那么将这《知识》转为数字编码后，在飞船的某个位置刻下刻度，这个刻度就是 0.112315464... 处，只要外星人回到自己的星球，测量一下，得到这个数值，就能反推整个知识了，大概是这个故事。

这个 算术编码 详细的内容很复杂，但大概意思就是，按照出现概率和长短，给每个句子都划定一个小数，最后留下一串比原文短很多的小数。等解压的时候，根据规则，就能从这一堆数字，反推出原文。

感兴趣可以了解一下。这个算法有点深奥。

动态马尔可夫压缩：

这个与其他几个比起来，有点冷门。它也是一个根据概率学，为基础，搞的一个压缩算法。

其实，原理和我们手机电脑天天用的那个中文输入法差不多。就是根据当前的世界，当前你已经输入的内容，然后预测接下来的内容。就好像天气预报。

这个算法的具体内容，是相当复杂和困难的，资料相当少。

它之所以叫 马尔科夫 压缩，是因为它的算法里用到了 马尔可夫链 这个算法。

这个压缩效果很不错，就是很费内存。

最后是压轴的 霍夫曼编码 。

它是 字典压缩 和 概率 的结合。

和字典压缩不一样的是，它最开始，会先把全文读一遍，把所有字符的出现概率给搞出来，然后在内存里列一个表（或者说 树）。后续的工作，围绕这个表进行。

1 Byte（字节）等于 8 bits（比特），大家知道吧！

现在这个算法会重新分配这 8 bit 了。

这个霍夫曼压缩的工作核心就是，将现有的 8 位字符重新分配为更少的位数。为了优化压缩效果，频率最高的字符被赋予更小的比特值。

大概意思就是这样。

之后，就会产生一个要比原文件小的新的文件。

虽然它的压缩比不一定有上面的 算术编码 和 马尔科夫编码 高，但它占用内存很低，速度很快，效果还可以。它一样很古老，是 1952 年被发明出来的。

本文，没什么细节，就是旨在用最简单的话，把常用的 5 个压缩算法讲一下，如果大家对细节感兴趣，可以在网上寻找它们的资料。不过，这些资料可能会很少，最好还是看 维基百科 或者问 AI 。

这方面的学问，一点不比造操作系统、编译器、三维游戏引擎图形学 低。