什麼是純文本壓縮算法的當前狀態？

Question

爲了紀念Hutter Prize, 什麼是文本壓縮的頂級算法（以及每個算法的快速描述）？

注意：這個問題的目的是獲得壓縮算法的描述，而不是壓縮程序的描述。

Answer 1

邊界推動壓縮機結合瘋狂的結果算法。常見的算法包括：

• 的​​和here - 洗牌字符（或其他比特塊）與可預測的算法，以增加重複塊這使得源更容易壓縮。正常情況下會發生解壓縮，並且反向轉換會導致結果不重排。注意：單獨使用BWT實際上並不壓縮任何內容。它只是使源更容易壓縮。
• Prediction by Partial Matching (PPM) - arithmetic coding的演變，其中預測模型（上下文）是通過處理有關源與使用靜態概率的統計信息來創建的。儘管它的根源在於算術編碼，但結果可以用霍夫曼編碼或字典以及算術編碼來表示。
• 上下文混合 - 算術編碼使用靜態上下文進行預測，PPM動態選擇單個上下文，上下文混合使用許多上下文並權衡其結果。 PAQ使用上下文混合。 Here's高級概述。
• Dynamic Markov Compression - 與PPM相關，但使用比特級上下文與字節或更長。
• 此外，Hutter獎參賽者可以用外部字典中的小字節條目替換常見文本，並使用特殊符號區分大小寫文本，而不是使用兩個不同的條目。這就是爲什麼他們擅長壓縮文本（特別是ASCII文本），而不是像常規壓縮那樣有價值。

Maximum Compression是一個非常酷的文本和一般壓縮基準站點。 Matt Mahoney發佈另一個benchmark。 Mahoney可能特別感興趣，因爲它列出了每個條目使用的主要算法。

Answer 2

總是有lzip。

所有開玩笑一邊：

• 凡兼容性是一個問題，PKZIP（DEFLATE算法）仍然獲勝。
• bzip2是享受相對廣泛的安裝基礎和相當好的壓縮比之間的最佳折衷方案，但需要單獨的存檔器。
• 7-Zip（LZMA算法）壓縮得很好，可用於LGPL。但是，很少有操作系統帶有內置支持。
• rzip是bzip2的變種，在我看來值得更多的關注。對於需要長期存檔的大型日誌文件，這可能特別有趣。它還需要一個單獨的存檔器。

Answer 3

如果您想將PAQ作爲程序使用，您可以在基於debian的系統上安裝zpaq軟件包。用法是（也man zpaq見）

zpaq c archivename.zpaq file1 file2 file3 

壓縮爲約1/10日一個zip文件的大小的。 （1.9M VS 15M）