Ha ezt az üzenetet látod, az annak a jele, hogy külső anyagok nem töltődnek be hibátlanul a honlapunkra.

If you're behind a web filter, please make sure that the domains *.kastatic.org and *.kasandbox.org are unblocked.

Fő tartalom

Veszteségmentes szövegtömörítés

Hogyan tud egy számítógép szöveget tömöríteni? Gondolj arra, hogy sokan tömörítenek szöveget nap mint nap, amikor sms-eket írnak, és nem akarnak sokat gépelni. Angol nyelven ez a szokás különösen elterjedt.
Például, ha azt szeretném írni angolul, hogy „Great, see you later!”, írhatom azt, hogy „Gr8, see u l8r!”
Ezt a szöveget úgy rövidítettem le, hogy megkerestem az ismétlődő részeket, és ezeket a részeket rövidebbekkel („8” és „u”) helyettesítettem.

Tömörítési algoritmus

A számítógépek hasonló módon tudják tömöríteni a szöveget: az ismétlődő részeket megkeresik, és rövidebb jelsorozattal helyettesítik őket. Nem kell törődniük azzal sem, mint az embereknek, hogy a végeredmény ugyanúgy hangozzon, így még jobban tudják tömöríteni a szöveget.
Próbáljuk ki ezzel az angol nyelvű William Shakespeare idézettel:
to be or not to be, that is the question
A legnyilvánvalóbb ismétlődő karaktersorozatok a „to” és a „be”, így a számítógép ezeket olyan karakterekkel is ábrázolhatja, amelyek nem részei az eredeti szövegnek, például:
⊜ ⬗ or not ⊜ ⬗, that is the question
Bármilyen ismétlődő karaktersorozat helyettesíthető, akkor is, ha az nem egy teljes szó, így a számítógép a „th”-t is helyettesítheti:
⊜ ⬗ or not ⊜ ⬗, ⟡at is ⟡e question
A számítógépnek tárolnia kell az általa elvégzett helyettesítések táblázatát is, hogy elő tudja hívni az eredetit.
helyettesítéseredeti
to
be
th
Mérd fel tudásodat!
Próbáld meg tömöríteni az alábbi Dr. Seuss verset!
I am Sam, 
Sam I am.
That Sam-I-am! That Sam-I-am!
I do not like that Sam-I-am! 
Do you like green eggs and ham?
I do not like them, Sam-I-am.
I do not like green eggs and ham.
Melyik karaktersorozatokat lehetne helyettesíteni a szöveg tömörítéséhez?
Válaszd ki az ÖSSZES lehetséges megoldást:

A tömörítés mértéke

Amint láthatod, vannak olyan szövegek, amelyeket jelentősen le lehet tömöríteni – több ismétlés több tömörítést jelent.
Vannak olyan szövegek, melyek egyáltalán nem tömöríthetőek, például az ábécé:
ABCDEFGHIJKLMNOPQRSTUVWXYZ
Sőt, az ábécé „tömörített” változatához több bájt is szükséges lehet, mint az eredeti változathoz, attól függően, hogy elhelyez-e az algoritmus további metaadatokat a fájlban.
🤔 Tudsz más példát is mondani olyan szövegre, amely nem lesz kisebb a tömörítéstől? És olyanokat, amelyek igazán jól tömöríthetők?
Nem baj, hogy a tömörítés nem garantálja minden esetben a kisebb fájlt. A legtöbb fájl tartalmaz ismétlődő jelsorozatokat, így a tömörítés összességében előnyös.
🔍 Ha többet szeretnél megtudni erről a tömörítési módról, nézz utána a Lempel-Ziv-Welch (LZW) algoritmusnak.
🙋🏽🙋🏻‍♀️🙋🏿‍♂️Kérdésed van a témával kapcsolatban? Szívesen válaszolunk, csak kérdezz alább, a „Kérdések” részben!

Szeretnél részt venni a beszélgetésben?

Még nincs hozzászólás.
Tudsz angolul? Kattints ide, ha meg szeretnéd nézni, milyen beszélgetések folynak a Khan Academy angol nyelvű oldalán.