为什么Zlib压缩在字符串与二进制数据上更好？

Question

说我有一个像这样的.txt文件：

11111111111111Hello and welcome to stackoverflow. stackoverflow will hopefully provide me with answers to answers i do not know. Hello and goodbye.11111111111111

然后我将创建一个等效的二进制形式（.bin文件）：

Stream.Write(intBytes, 0, intBytes.Length); // 11111111111111
Stream.Write(junkText, 0, junkText.Length); // Hello and welcome to stackoverflow...
Stream.Write(intBytes, 0, intBytes.Length); // 11111111111111

第一个例子压缩比第二个好。如果我删除11111111111111，他们压缩到相同的大小。但是拥有11111意味着.txt版本可以更好地压缩。

byte[] intBytes = BitConverter.GetBytes(11111111111111); // This is 8 bytes
byte[] strBytes = UTF8Encoding.UTF8.GetBytes("11111111111111"); // This is 14 bytes

这是使用本机C ++ Zlib库。

在压缩之前，.bin文件的大小较小，我期待这一点。

为什么压缩后.txt版本的尺寸较小？它似乎压缩比bin等效物更好。

bin文件： 未压缩尺寸：2448 压缩尺寸：177

txt文件： 未压缩尺寸：2460 压缩尺寸：167

Answer 1

因此，较大的文件会压缩为较小的文件。我可以提供两种解释：

1. 当输入具有低熵时，压缩起作用。尝试压缩180字节的随机数据，压缩的大小甚至会大于测试用例的最佳值。预先添加二进制文件意味着压缩器必须同时处理二进制数据和文本。引入了新的字节值，这些值在文本中根本不会发生。这会增加文件的熵。
2. 所有压缩都有弱点和强点（完美的“Kolmogorov”压缩除外）。您可能会看到某些实现细节导致的异常。毕竟差别并不大。