程序员必知:字符串压缩(三)之短字符串压缩

简介: 程序员必知:字符串压缩(三)之短字符串压缩

  本文来自博客园,作者:T-BARBARIANS,博文严禁转载,转载必究!

前言

  上一篇探索了LZ4的压缩和解压性能,以及对LZ4和ZSTD的压缩、解压性能进行了横向对比。文末的最后也给了一个彩蛋:任意长度的字符串都可以被ZSTD、LZ4之类的压缩算法压缩得很好吗?

  本篇我们就来一探究竟。

一、通用算法的短字符压缩

  开门见山,我们使用一段比较短的文本:Narrator: It is raining today. So, Peppa and George cannot play outside.Peppa: Daddy, it's stopped raining.

  使用ZSTD与LZ4分别压缩一下上面这段短文本。下面分别是它们的压缩结果。

  ZSTD:

  LZ4:

  对短文本的压缩,zstd的压缩率很低,lz4压缩后的文本长度尽然超过了原有字符串的长度。这是为什么?说实话在这之前我也没想到。

  引用两位大佬的名言:

  Are you ok?

  What's your problem?

二、短字符串压缩

  从上面的结果可以得知,任何压缩算法都有它的使用场景,并不是所有长度的字符串都适合被某种算法压缩。一般原因是通用压缩算法维护了被压缩字符串的,用于字符串还原的相关数据结构,而这些数据结构的长度超过了被压缩短字符串的自身长度。

  那么问题来了,“我真的有压缩短字符串的需求,我想体验压缩的极致感,怎么办?”。

  短字符压缩算法它来了。这里挑选了3种比较优异的短字符压缩算法,分别是smaz,shoco,以及压轴的unisox2。跟前两章一样,还是从压缩率,压缩和解压缩性能的角度,一起看看他们在短字符压缩场景的各自表现吧。

(1)Smaz

1、Smaz的压缩和解压缩

1 #include

2 #include [span style="color: rgba(0, 0, 255, 1)">string.h>

3 #include

4 #include "smaz.h"

5

6 using namespace std;

7

8 int main()

9 {

10 int buf_len;

11 int com_size;

12 int decom_size;

13

14 char com_buf【4096】 = {0};

15 char decom_buf【4096】 = {0};

16

17 char str_buf【1024】 = "Narrator: It is raining today. So, Peppa and George cannot play outside.Peppa: Daddy, it's stopped raining.";

18

19 buf_len = strlen(str_buf);

20 com_size = smaz_compress(str_buf, buf_len, com_buf, 4096);

21

22 cout [ "text size:" [ buf_len [ endl;

23 cout [ "compress text size:" [ com_size [ endl;

24 cout [ "compress ratio:" [ (float)buf_len / (float)com_size [ endl [ endl;

25

26 decom_size = smaz_decompress(com_buf, com_size, decom_buf, 4096);

27 cout [ "decompress text size:" [ decom_size [ endl;

28

29 if(strncmp(str_buf, decom_buf, buf_len)) {

30 cout [ "decompress text is not equal to source text" [ endl;

31 }

32

33 return 0;

34 }

  执行结果如下:

  通过smaz压缩后的短字符串长度为77,和源字符串相比,减少了30Byte。

2、Smaz的压缩和解压缩性能

1 #include

2 #include [span style="color: rgba(0, 0, 255, 1)">string.h>

3 #include

4 #include

5 #include "smaz.h"

6

7 using namespace std;

8

9 int main()

10 {

11 int cnt = 0;

12 int buf_len;

13 int com_size;

14 int decom_size;

15

16 timeval st, et;

17

18 char com_ptr = NULL;

19 char decom_ptr = NULL;

20

21 char str_buf【1024】 = "Narrator: It is raining today. So, Peppa and George cannot play outside.Peppa: Daddy, it's stopped raining.";

22

23 buf_len = strlen(str_buf);

24 gettimeofday(st, NULL);

25 while(1) {

26

27 com_ptr = (char )malloc(buf_len);

28 com_size = smaz_compress(str_buf, buf_len, com_ptr, buf_len);

29

30 free(com_ptr);

31 cnt++;

32

33 gettimeofday(et, NULL);

34 if(et.tv_sec - st.tv_sec >= 10) {

35 break;

36 }

37 }

38

39 cout [ endl ["compress per second:" [ cnt/10 [ " times" [ endl;

40

41 cnt = 0;

42 com_ptr = (char )malloc(buf_len);

43 com_size = smaz_compress(str_buf, buf_len, com_ptr, buf_len);

44

45 gettimeofday(st, NULL);

46 while(1) {

47

48 // decompress length not more than origin buf length

49 decom_ptr = (char )malloc(buf_len + 1);

50 decom_size = smaz_decompress(com_ptr, com_size, decom_ptr, buf_len + 1);

51

52 // check decompress length

53 if(buf_len != decom_size) {

54 cout [ "decom error" [ endl;

55 }

56

57 free(decom_ptr);

58 cnt++;

59

60 gettimeofday(et, NULL);

61 if(et.tv_sec - st.tv_sec >= 10) {

62 break;

63 }

64 }//代码效果参考:http://www.ezhiqi.com/bx/art_3591.html

65

66 cout [ "decompress per second:" [ cnt/10 [ " times" [ endl [ endl;

67

68 free(com_ptr);

69 return 0;

70 }

  结果如何?

  压缩性能在40w条/S,解压在百万级,好像还不错哈!

(2)Shoco

1、Shoco的压缩和解压缩

1 #include

2 #include [span style="color: rgba(0, 0, 255, 1)">string.h>

3 #include

4 #include "shoco.h"

5

6 using namespace std;

7

8 int main()

9 {

10 int buf_len;

11 int com_size;

12 int decom_size;

13

14 char com_buf【4096】 = {0};

15 char decom_buf【4096】 = {0};

16

17 char str_buf【1024】 = "Narrator: It is raining today. So, Peppa and George cannot play outside.Peppa: Daddy, it's stopped raining.";

18

19 buf_len = strlen(str_buf);

20 com_size = shoco_compress(str_buf, buf_len, com_buf, 4096);

21

22 cout [ "text size:" [ buf_len [ endl;

23 cout [ "compress text size:" [ com_size [ endl;

24 cout [ "compress ratio:" [ (float)buf_len / (float)com_size [ endl [ endl;

25

26 decom_size = shoco_decompress(com_buf, com_size, decom_buf, 4096);

27 cout [ "decompress text size:" [ decom_size [ endl;

28

29 if(strncmp(str_buf, decom_buf, buf_len)) {

30 cout [ "decompress text is not equal to source text" [ endl;

31 }

32

33 return 0;

34 }

  执行结果如下:

  通过shoco压缩后的短字符串长度为86,和源字符串相比,减少了21Byte。压缩率比smaz要低。

2、Shoco的压缩和解压缩性能

1 #include

2 #include [span style="color: rgba(0, 0, 255, 1)">string.h>

3 #include

4 #include

5 #include "shoco.h"

6

7 using namespace std;

8

9 int main()

10 {

11 int cnt = 0;

12 int buf_len;

13 int com_size;

14 int decom_size;

15

16 timeval st, et;

17

18 char com_ptr = NULL;

19 char decom_ptr = NULL;

20

21 char str_buf【1024】 = "Narrator: It is raining today. So, Peppa and George cannot play outside.Peppa: Daddy, it's stopped raining.";

22

23 buf_len = strlen(str_buf);

24 gettimeofday(st, NULL);

25 while(1) {

26

27 com_ptr = (char )malloc(buf_len);

28 com_size = shoco_compress(str_buf, buf_len, com_ptr, buf_len);

29

30 free(com_ptr);

31 cnt++;

32

33 gettimeofday(et, NULL);

34 if(et.tv_sec - st.tv_sec >= 10) {

35 break;

36 }

37 }

38

39 cout [ endl ["compress per second:" [ cnt/10 [ " times" [ endl;

40

41 cnt = 0;

42 com_ptr = (char *)malloc(buf_len);

43 com_size = shoco_compress(str_buf, buf_len, com_ptr, buf_len);

44

45 gettimeofday(st, NULL);

46 while(1) {

47

48 // decompress length not more than origin buf length

<span style="color: rgba(0, 128, 128

相关文章
|
JSON 搜索推荐 JavaScript
单词的压缩编码(后缀树的使用)
单词的压缩编码(后缀树的使用)
77 0
|
6月前
|
JSON 数据格式
一篇文章讲明白Json串压缩转义
一篇文章讲明白Json串压缩转义
77 3
【每日挠头算法题(2)】压缩字符串|仅执行一次字符串交换能否使两个字符串相等
【每日挠头算法题(2)】压缩字符串|仅执行一次字符串交换能否使两个字符串相等
|
7月前
|
算法
443.压缩字符串
443.压缩字符串
31 0
|
7月前
面试题 01.06. 字符串压缩
面试题 01.06. 字符串压缩
26 0
|
7月前
面试题 01.06:字符串压缩
面试题 01.06:字符串压缩
44 0
|
存储 算法
【每日挠头算法题(5)】重新格式化字符串|压缩字符串
【每日挠头算法题(5)】重新格式化字符串|压缩字符串
|
PHP 数据安全/隐私保护
PHP函数学习:16进制ASCII转化为字符串加密解密
PHP函数学习:16进制ASCII转化为字符串加密解密
268 0
|
存储 编解码 算法
编码压缩介绍
压缩编码介绍,JPEG标准,H.264,AVS,预测,变换,量化,熵编码,环路滤波
145 0
类似%-30的字串解码办法
类似%-30的字串解码办法
66 0