自定义编码和压缩

Question

这是一个来自新手的两部分问题。

首先，我需要一个简单文本的编码（没有小写/大写区分），我需要它比ASCII更节省空间。所以我想到了创建我自己的5位代码，包含32个字符的范围（字母加上一些标点符号）。 据我所知，所有现代计算都以字节为单位进行“思考”，因此我实际上无法实际定义自己的5位编码，而实际上并没有采用8位编码。

我在想的是： 我定义了自己的5位代码，并将文本保存为3个字符的块，每个块保存为2个字节。每个块将占用总共15位，这将存储在两个字节（保持16位）内。我可能会使用额外的位来进行奇偶校验，即使我实际上并不需要它。 这种方法有意义吗？或者有更好的方法吗？ 或者，我可以定义一个6位编码，并将文本保存为每个4个字符的块，每个块保存为3个字节。

问题的第二部分是：假设文本将被压缩（通过文本的标准无损算法，例如zip），是否值得创建我自己的编码（如上所述） ？或者压缩算法是否会处理8位编码的空间效率低下，使得压缩效率与最初使用5位或6位编码进行编码的压缩文件一样高效？如果是这样，我没有使用5/6位编码进行预压缩文本的优势，所以我只想完全跳过这一步。 我需要从有经验的程序员那里知道，情况如何？

谢谢大家

Answer 1

压缩算法将更有效地处理编码。它将使用霍夫曼，范围或算术编码，每个字母使用可变数量的位，甚至小数位，利用实际数据的统计数据。如果您不尝试对字符进行预编码，将其填充为每个字符少于8位，则效果会更好。压缩算法按每个字节中的符号计算统计数据，并查找字节中的重复模式。

Answer 2

1. 您无需担心“阻止”。只需将5位加到8位缓冲区，当缓冲区填满后将其冲出并将剩余的位推入缓冲区。
   当消息可能有一个部分填充的缓冲区时，唯一的歧义出现在一个尚未填充的位数> = 5的情况下。 一个。您必须指定消息的长度（n * 5位）或
   湾您必须仅指定尾随位的长度（更有效）

2. 压缩算法实际上可能会受到自定义打包的不利影响 - （取决于原始数据的类型，如文本）。