สิ่งใดก็ตามที่ใช้ BWT (Burrows – Wheeler transform) ควรจะสามารถบีบอัดได้ดีพอสมควร
การทดสอบ Python อย่างรวดเร็วของฉัน:
>>> import gzip
>>> import lzma
>>> import zlib
>>> import bz2
>>> import time
>>> dLen = 16
>>> inputData = '\n'.join('{:0{}b}'.format(x, dLen) for x in range(2**dLen))
>>> inputData[:100]
'0000000000000000\n0000000000000001\n0000000000000010\n0000000000000011\n0000000000000100\n000000000000010'
>>> inputData[-100:]
'111111111111010\n1111111111111011\n1111111111111100\n1111111111111101\n1111111111111110\n1111111111111111'
>>> def bwt(text):
N = len(text)
text2 = text * 2
class K:
def __init__(self, i):
self.i = i
def __lt__(a, b):
i, j = a.i, b.i
for k in range(N): # use `range()` in Python 3
if text2[i+k] < text2[j+k]:
return True
elif text2[i+k] > text2[j+k]:
return False
return False # they're equal
inorder = sorted(range(N), key=K)
return "".join(text2[i+N-1] for i in inorder)
>>> class nothing:
def compress(x):
return x
>>> class bwt_c:
def compress(x):
return bwt(x.decode('latin_1')).encode('latin_1')
>>> for first in ('bwt_c', 'nothing', 'lzma', 'zlib', 'gzip', 'bz2'):
fTime = -time.process_time()
fOut = eval(first).compress(inputData)
fTime += time.process_time()
print(first, fTime)
for second in ('nothing', 'lzma', 'zlib', 'gzip', 'bz2'):
print(first, second, end=' ')
sTime = -time.process_time()
sOut = eval(second).compress(fOut)
sTime += time.process_time()
print(fTime + sTime, len(sOut))
bwt_c 53.76768319200005
bwt_c nothing 53.767727423000224 1114111
bwt_c lzma 53.83853460699993 2344
bwt_c zlib 53.7767307470001 5930
bwt_c gzip 53.782549449000044 4024
bwt_c bz2 54.15730512699997 237
nothing 6.357100005516259e-05
nothing nothing 0.0001084830000763759 1114111
nothing lzma 0.6671195740000258 27264
nothing zlib 0.05987233699988792 118206
nothing gzip 2.307255977000068 147743
nothing bz2 0.07741139000017938 187906
lzma 0.6767229399999906
lzma nothing 0.6767684639999061 27264
lzma lzma 0.6843232409999018 27324
lzma zlib 0.6774435929999072 27280
lzma gzip 0.6774431810001715 27292
lzma bz2 0.6821310499999527 27741
zlib 0.05984937799985346
zlib nothing 0.05989508399989063 118206
zlib lzma 0.09543156799986718 22800
zlib zlib 0.06264000899977873 24854
zlib gzip 0.0639041649999399 24611
zlib bz2 0.07275534999985211 21283
gzip 2.303239570000187
gzip nothing 2.303286251000145 147743
gzip lzma 2.309592880000082 1312
gzip zlib 2.3042639900002087 2088
gzip gzip 2.304663197000309 1996
gzip bz2 2.344431411000187 1670
bz2 0.07537686600016968
bz2 nothing 0.07542737000017041 187906
bz2 lzma 0.11371452700018381 22940
bz2 zlib 0.0785322910001014 24719
bz2 gzip 0.07945505000020603 24605
bz2 bz2 0.09332576600013454 27138
(ตัวเลขที่นี่คือ 'first_compressor second_compressor time_taken bytes_out')
(BWT นำมาจากที่นี่ )
นี่คือ 'ไม่กี่ไบต์เท่านั้น' แต่ยังดีกว่าเพียงแค่ gzip เพียงอย่างเดียว BWT + bz2 ลดลงเป็น 237 ไบต์จาก 1114111 สำหรับอินพุต 16 บิตตัวอย่างเช่น
อนิจจา BWT นั้นช้าเกินไปและใช้หน่วยความจำมากเกินไปสำหรับแอปพลิเคชั่นหลายตัว โดยเฉพาะอย่างยิ่งเมื่อได้รับสิ่งนี้คือการใช้งานแบบไร้เดียงสาใน Python บนเครื่องของฉันฉัน RAM หมดก่อน 2 ** 20
ด้วย Pypy ฉันสามารถรันอินพุต 2 ** 20 เต็มและบีบอัดมันเป็น 2611 ไบต์ด้วย BWT ตามด้วย bz2 แต่ใช้เวลามากกว่า 3 นาทีและจุดสูงสุดที่ 4GB มากกว่าใช้ ...
ยังน่าเสียดายที่วิธีการนี้ยังคงเป็นพื้นที่เอาต์พุต O (2 ^ n) ซึ่งจะปรากฏขึ้น - อย่างน้อยจากการปรับเส้นโค้ง 1..20