Online datakomprimeringssimulator

Hvad resultaterne betyder

Simulatoren tæller Unicode-kodepunkter og bygger et binært Huffman-træ ved at samle de to mindst hyppige knuder. Ét unikt symbol får koden 0. Præcis samme input giver her præcis samme koder. En anden rækkefølge ved lige hyppigheder kan give andre gyldige koder; sammenlign den vægtede nyttelastlængde.

Eksempler, du kan kontrollere

ABBC giver B=0, A=10 og C=11: 2×1 + 1×2 + 1×2 = 6 nyttelastbit mod 32 UTF-8-bit. AAAA giver 32 og 4 bit; 你好 giver 48 og 2 bit; de faktiske tegn 😀😀 giver 64 og 2 bit.

Input og visning

Grænsen er 100.000 JavaScript-UTF-16-kodeenheder, ikke UTF-8-byte eller synlige tegn. Mange emojier bruger to enheder; en synlig sekvens kan have flere kodepunkter. Tom tekst afvises, men blanktegn er gyldige data. JSON viser linjeskift som \n, tabulator som \t og et almindeligt mellemrum i anførselstegn: " ". Visningen ændrer ikke inputtegnet.

Demonstrationens grænser

Oprindelige bit er UTF-8-bytelængden ganget med otte. Nyttelasten summerer hvert symbols hyppighed gange kodelængde. Kodetabel, træ, headere, udfyldning og containeromkostninger er ikke medregnet. Resultatet er ikke en komprimeret filstørrelse eller garanteret besparelse. Der laves intet arkiv, komprimeret binærdownload eller dekompressor; det er ikke kryptering. Beregningen foregår i browseren. Mange forskellige symboler kan give en lang tabel.