当所有字符都具有相似的重复时，使用霍夫曼编码压缩文件吗？

Question

因此，我一直在对一堆不同类型的文件（.jpg，.txt，.docx）实施霍夫曼压缩，而且我注意到很多时候，有时压缩文件与原始文件几乎相同（例如：251,339kb-> 250,917kb（无标题！））我很确定我的代码是可靠的，尽管我不确定这是否正确。我注意到的是字符频率非常相似，例如，我将拥有10个字符，例如全部具有65个重复，然后再有10个字符具有66个重复，然后再有10个字符具有67个重复。由于文件很大，压缩的字符表示代码最终将具有与原始大小相同的大小，甚至更大（9位）。使用huffman压缩时这是正常现象吗？

Answer 1

使用霍夫曼编码时，将文件分成多个小块。这个想法是，较小的块将比平均所有内容的巨型文件具有更大的偏见。例如，一个块中可能有很多0x00。另一个块可能具有0xFF，依此类推。然后，使用霍夫曼算法压缩每个块，将利用这些偏差获得优势。当然，如果块太小，则霍夫曼代码表将占压缩块的很大一部分，您将失去分块的好处。在Deflate情况下，代码表的顺序为50-100字节。

当然，正如其他受访者评论的那样，如果您的源文件已被压缩（JPEG等），则您将找不到任何偏差或冗余，但是将其分块。