字符串压缩

虽然现在文件名内存占用经过了去重后大大降低，但是如果可以再缩减些岂不美哉，为此思考了许多压缩字符串的方法，首先想到的是前缀压缩，由于文件名的特殊性，重复前缀应该很多，但是苦于离散存储方式不易实现前缀压缩，如果以后找到分块连续存储的方法，那么可以基于块中第一个字符串，后续字符串易实现前缀压缩，但是假如可以实现，也是有许多弊端的，比如删除字符串时，假如是基准字符串则会很麻烦，而且查找时则需要首先找到块中第一个基准字符串。
仔细想了想文件名的性质，首先只含0-127字符的文件名占了绝大多数，对于这些字符串而言，去掉极少出现的0-31、127字符以及不允许使用的9个字符，再进行英文字母的大小写忽略，则剩余60个字符，所有文件名中只含这60个字符的占了9成多，表示这60个字符使用6位就足够了，所以我们可以用三个字节表示四个字符，即新建一个编码表，将这些常用字符存储到新表0-60项中，另一个表大小为128，在原码位置存储新码值，取四个字符的新码值共24位拼接为3个字节，那么就节省了2成多空间，解码时只需每次取三个字节，拆分为4个六位码值，根据映射表获得实际码值，得到实际的4个字符，还没有实现，想着是可行的，如果可行那么70万个文件名将占用7兆左右空间，但是这种方式压缩量有限，先记录别忘了。

本文地址：https://blog.csdn.net/gigggg/article/details/108970435