在我们的软件中，我们有一个GZIP（RFC 1952）压缩/解压缩接口，目前由boost :: iostreams提供支持。由于我们可能需要根据链接原因更改底层lib，因此我想为GZIP压缩和解压缩添加更多测试，即精确的每字节字节比较。
是否有官方或广泛使用的GZIP测试载体？
答案 0 :(得分：2)
如评论中所述，您无法以任何固定的期望来测试压缩机的输出。允许压缩器使用相同的输入数据生成各种可能的结果。最简单的例子是选择不同的压缩级别，以速度与大小进行交易。压缩机唯一可以保证的是，当它的结果被解压缩时，你得到了压缩机的输入。
因此，有两种测试是有意义的。第一个是往返测试，在那里你测试压缩然后解压缩并验证你得到的是你输入的内容。@ sehe的答案为语料库提供了良好的资源，为压缩器提供了各种输入数据。您还应该生成自己的应用程序测试数据。
第二种是用各种无效输入测试解压缩器以确保它表现良好，即它返回错误而不是崩溃。对于后者，您可以查看infcover.c，其中包括具有各种错误的deflate测试序列。
答案 1 :(得分：1)
研究人员在通用无损数据压缩领域使用了三个众所周知的数据集。第一个是卡尔加里语料库，由贝尔等人于1989年引入。语料库中的文件被选择用于掩盖计算机处理中使用的典型数据类型。这个语料库相当陈旧，它包含一些不再使用的数据类型，但语料库仍然是许多作者使用的一个很好的基准。后来提出的语料库，坎特伯雷语料库和大型坎特伯雷语料库，包含类似大小的文件，小于5 MB。
历史语料库包括
我找到的最有前途的页面是：
信用：最后一个链接提供了我用作介绍的文字。您可以阅读有关“旧”语料库
各自缺点的更多信息