我正在用C编写压缩算法（主要是为了好玩），我需要能够以二进制形式存储数字列表。此列表的每个元素都将以两位数的形式出现，均低于10（如(5,5), (3,6), (9,2)）。我可能会存储成千上万的这些对（在我的压缩算法中，每个字符串都会生成一对）。
显然，最简单的方法是连接每一对（ - ＆gt; 55, 36, 92）以产生一个2位数字（因为它们只是一个数字），然后将每一对存储为7位数（因为99是最高的）。不幸的是，这不太节省空间（每对7位）。
然后我想也许如果我连接每一对，然后连接（553692），我就可以将其存储为二进制形式的普通数字（10000111001011011100，其中三个对已经小于分别存储每个数字），并保留用于二进制数的位数的量词。唯一的问题是，这种方法需要一个bigint库，因此可能会很慢。随着数字越来越大（字符串中每个字符+2位数），内存使用和减速也会变得越来越大。
所以这是我的问题：是否存在更好的存储效率方式来存储我正在做的数字列表，或者我应该采用bignum还是7位方法？
答案 0 :(得分：4)
存储100个不同值的信息理论最小值为log2100，约为6.644。换句话说，7位的可能压缩是头发超过5％。 （log2100 / 7为94.91％。）
如果这些对只是在算法期间用于临时存储，那么即使你设法做到这一点，它几乎肯定不值得花费大量精力来节省5％的存储空间。
如果这些对形成了压缩输出的一部分，那么你的压缩就不会很好（一个字符只有八位，并且可能这些对是任何压缩字符数据的附加。）尽管如此，简单的压缩技术是存储起来的40位（5字节）中的6对，这可以在没有bigint包的情况下完成，假设是64位机器。 （或者，最多可以存储20对中的3对，然后将两个20位序列打包成5个字节。）这样可以获得99.66％的最大压缩值。
以上所有假设100个可能的值均匀分布。如果分布不均匀且可以预测频率，则可以使用霍夫曼编码来改善压缩。即便如此，我也不建议将其用于临时存储。