如何仅使用数字（数字字符）对8字节块进行编码？

Question

我需要对8字节的流进行编码，使得编码流中只有数字（0到9）。这是他们的任何标准编码机制吗？如果有多种方法可以做到这一点，哪一种方法在编码字符串的长度方面是有效的（越短越好）？

Answer 1

将8个字节视为64位无符号整数并将其转换为十进制并用零填充到左侧。这应该是最短的字符串，因为它利用除起始字符之外的所有位置的所有可用数字。

如果您的数据不是均匀分布的，那么还有其他选择，可以查看霍夫曼编码，以便最常用的数据模式可以用较短的字符串表示。一种方法是使用第一个数字来编码字符串的长度。除第一个位置中的1之外的所有数字都可以视为长度说明符。这样，永远不会超过20位的最大长度。 （第20位只能是0或1，最高64位数是18,446,744,073,709,551,615。）其他数字到长度的精确解释映射应该基于模式的分布。如果您经常发生10种模式，您可以例如“0”表示一位代表一个完整的序列。

然而，任何这种更复杂的编码都会引入对更复杂的打包/解包代码的需求，甚至可能需要查找表，因此可能不值得付出努力。

Answer 2

效率问题的答案将取决于 lot 对8字节块中典型值的范围。考虑Unicode的UTF-8和UTF-16。 UTF-8对于编码主要在西方脚本中编写的文本非常有效，因为这些脚本中的大多数字符都在0x00到0x7F的范围内，UTF-8可以将其存储在单个字节中。但是对于主要编写在东部脚本中的文本进行编码效率不高; UTF-16或UTF-32是更好的选择。

如果您已阅读the various UTFs，他们可能会激发解决方案。从根本上说，它们的工作方式就是允许将大量值直接编码到一个字节中，然后有一个标志（高位，我认为是UTF-8的第一个字节），表明byte不会告诉整个故事，并且需要下一个字节（或两个，或三个或四个）。起点是UTF-8的字节，UTF-16的一个字，但概念类似。

现在，你正在使用显着更小范围的值（0-9而不是0-255），显然我不建议尝试直接使用UTF，只是概念。例如，假设您的大多数值（直接或通过一些按摩）小于9000，相当多的小于9000000，并且只有罕见的值会超出该值。您可以采用UTF方法并说块（您的8字节值）被分成四位数段，并且每个编码块总是至少有一个段（四位）。如果第一个分段的值（aaaa）介于0000和8999之间（包括），则它是“终端”分段 - 这是实际值。但如果它是9aaa，那意味着有第二个段，你应该看一下aaabbbb（bbbb是下一个段的值）。如果 值介于0000000和8999999（含）之间，那么它就是一个终端;但如果它是9aabbbb，那就意味着看看aabbbbcccc（cccc是下一个片段）;我想会给我们这个：

00000000000000000000-00000000000000008999 ->  4 digits (xxxx)
00000000000000009000-00000000000008999999 ->  8 digits (9xxxxxxx)
00000000000009000000-00000000008999999999 -> 12 digits (99xxxxxxxxxx)
00000000009000000000-00000008999999999999 -> 16 digits (999xxxxxxxxxxxxx)
00000009000000000000-00008999999999999999 -> 20 digits (9999xxxxxxxxxxxxxxxx)
00009000000000000000-08999999999999999999 -> 24 digits (99999xxxxxxxxxxxxxxxxxxx)
09000000000000000000-18446744073709551615 -> 28 digits (999999xxxxxxxxxxxxxxxxxxxxxx)
Or special case, just use 26 digits for the last one:  (999999xxxxxxxxxxxxxxxxxxxx)

你最好的情况是四位数，最差的是28或26，这取决于你是否想要特殊情况下块中的最后一个部分。比使用每个块的20位更好（可能）。

现在，这完全是袖手旁观，可能效率不高，但你明白了。反序列化非常容易，可能不那么难以序列化。

你可以看到为什么我开始评论你的典型值是什么。如果它们通常高于10,000,000,000,000,000,000,000，则上述不是直接编码它们的有效方式。但是，如果您的典型值处于高端而不是低端，则可以使用类似的技术，方法是在编码之前稍微按摩该值。

Answer 3

具有最短长度的结果是直接将其转换为十进制。这导致最高值为18446744073709551615，但如果没有任意长度整数功能，转换可能很困难。

下一个最长的是将其转换为八进制作为一个块。这导致最大长度为22，值为1777777777777777777777。这只需转换即可转换，并且可以轻松处理。

下一个最长的是将其转换为八进制或十进制逐字节。这导致长度为24，分别重复8次377或255。来回转换是微不足道的，留给读者练习。