Simulador de compresión de datos en línea

Qué significan los resultados

El simulador cuenta puntos de código Unicode y construye un árbol Huffman binario uniendo los dos nodos menos frecuentes. Si solo hay un símbolo distinto, recibe el código 0. Una entrada idéntica produce aquí los mismos códigos. Otra regla para resolver empates puede producir códigos válidos distintos; compara la longitud ponderada de la carga útil.

Ejemplos comprobables

ABBC produce B=0, A=10 y C=11: 2×1 + 1×2 + 1×2 = 6 bits de carga útil, frente a 32 bits UTF-8. AAAA produce 32 y 4 bits; 你好 produce 48 y 2 bits; los caracteres reales 😀😀 producen 64 y 2 bits.

Entrada y presentación

El límite es de 100.000 unidades de código UTF-16 de JavaScript, no bytes UTF-8 ni caracteres visibles. Muchos emojis usan dos unidades y una secuencia visible puede contener varios puntos de código. Se rechaza el texto vacío, pero los espacios en blanco son datos válidos. JSON muestra un salto de línea como \n, un tabulador como \t y un espacio normal entre comillas, " ". La notación no cambia el símbolo de entrada.

Límites de la demostración

Los bits originales son la longitud UTF-8 en bytes multiplicada por ocho. La carga útil suma la frecuencia de cada símbolo por la longitud de su código. Excluye tabla de códigos, árbol, cabeceras, relleno y contenedor: no es un tamaño de archivo comprimido ni un ahorro garantizado. No genera archivos comprimidos, binarios descargables ni descompresor; tampoco es cifrado. El cálculo se realiza en el navegador y muchos símbolos distintos pueden producir una tabla larga.