Online datacompressiesimulator

Betekenis van de resultaten

De simulator telt Unicode-codepunten en bouwt een binaire Huffman-boom door de twee minst frequente knopen te combineren. Eén uniek symbool krijgt code 0. Dezelfde invoer geeft hier exact dezelfde codes. Een andere volgorde bij gelijke frequenties kan andere geldige codes geven; vergelijk de gewogen payloadlengte.

Controleerbare voorbeelden

ABBC geeft B=0, A=10 en C=11: 2×1 + 1×2 + 1×2 = 6 payloadbits tegenover 32 UTF-8-bits. AAAA geeft 32 en 4 bits; 你好 geeft 48 en 2 bits; de werkelijke tekens 😀😀 geven 64 en 2 bits.

Invoer en weergave

De limiet is 100.000 JavaScript-UTF-16-code-eenheden, geen UTF-8-bytes of zichtbare tekens. Veel emoji gebruiken twee eenheden; één zichtbare reeks kan meerdere codepunten bevatten. Lege tekst wordt geweigerd, maar witruimte is geldige invoer. JSON toont een nieuwe regel als \n, een tab als \t en een gewone spatie tussen aanhalingstekens: " ". De notatie verandert het invoersymbool niet.

Beperkingen van de demonstratie

Oorspronkelijke bits zijn de UTF-8-bytelengte maal acht. Payloadbits zijn de som van frequentie maal codelengte per symbool. Codetabel, boom, headers, opvulling en containerkosten ontbreken. Dit is geen gecomprimeerde bestandsgrootte of gegarandeerde besparing. Er ontstaat geen archief, downloadbaar gecomprimeerd binair bestand of decompressor; het is geen versleuteling. De berekening gebeurt in de browser. Veel verschillende symbolen kunnen een lange tabel opleveren.