如何估算压缩文件的“开销”？

Question

假设我们压缩一个大小为7字节的.txt 文件。在压缩并转换为.zip文件后，其大小将为190字节。

有没有一种方法来估计或计算“开销”的近似大小？

什么因素影响开销大小？ Zlib计算开销：他们说：“......仅扩展是每个16 KB块的5个字节的开销（约0.03％），以及整个流的一次性6个字节的开销。”

我只是想说这个网站可以估计“开销”的大小。 注意： 开销是添加到数据的压缩版本中的额外数据量。

- user3184352

Answer 1

从ZIP格式开始...

假设只有一个中央目录和没有注释和没有额外的字段，开销应该类似于以下内容。（如果添加了任何其他元数据，则开销将增加。）

• 每个文件（本地文件头）- 30+len(filename)
• 每个文件（数据描述符）- 12（到16）
• 每个文件（中央目录头）- 46+len(filename)
• 每个存档（EOCD）- 22

因此，开销为afn是所有文件名的平均长度，f是文件数：

  f * ((30 + afn) + 12 + (46 * afn)) + 22
= f * (88 + 2 * afn) + 22

当需要非常小的压缩数据且不需要文件结构或元数据时，ZIP显然是一个非常糟糕的选择，相反，zlib是一个非常薄的Deflate包装器。对于小负载，糟糕的Deflate实现也可能导致明显更大的“压缩”大小，比如臭名昭著的.NET实现...

---

示例：

• 存储1个名为“hello world note.txt”（长度为20）的文件，

  = 1 *（88 + 2* 20）+ 22 = 150 字节的开销

• 存储100个文件，平均名称长度为14个字母，

  = 100 *（88 + 2 * 14）+ 22 = 11622 字节的开销

- user2864740

---

非常感谢。您能否更详细地解释每个项目符号的含义？例如，我不知道我们如何获取（EOCD）大小。以及您是如何计算“afn”的？再次感谢。 - user3184352

afn = (len(filename1)+len(filename2)+len(filename3)+..)/number_of_files。根据其他假设（例如没有追加，因此没有重复的CD条目），只有一个22字节的EOCD。 - user2864740

你的意思是所有文件的EOCD都是22吗？“数据描述符”和“本地文件头”分别始终为16和30吗？ - user3184352

数据描述符是固定大小的，EOCD（不包括注释）也是固定大小的，但如果ZIP文件被“附加”，则EOCD（和中央目录条目）可以重复。本地文件头和中央目录头的大小都取决于文件名的长度（因此即使不使用额外的注释/字段功能，它们也是可变大小的）。 - user2864740

再次感谢您。如果我问了很多问题，对不起。什么是“注释/字段特性”？有没有一篇好的文章详细解释开销。 - user3184352

@user3184352 可以使用适当的ZIP工具设置额外的元数据，可以是几乎任何数据（并且可以达到65k /条目的任意长度）。WinZIP在评论方面的说明可参考此链接："评论是嵌入Zip文件中的可选文本信息。可以使用评论窗口查看、创建、编辑或删除评论。" - user2864740