Python - 减少文件大小的程序正在增加文件大小

Question

为了上大学，我正在研究压缩技术。我尝试进行的一项实验是用单个字符替换某些威尔士语字母(即二合字母)。

我认为用一个字符替换两个字符会减小文件大小(但略有减少)，或者在最坏的情况下保持文件大小不变。我已经制作了一个 Python 脚本来执行此操作，但它实际上增加了文件大小。我对此进行测试的原始文件约为 74,400KB，输出程序约为 74,700KB。

这是我的 Python 代码:

replacements = {
        'ch':'ƒ',
        'Ch':'†',
        'CH':'‡',
        'dd':'Œ',
        'Dd':'•',
        'DD':'œ',
        'ff':'¤',
        'Ff':'¦',
        'FF':'§',
        'ng':'±',
        'Ng':'µ',
        'NG':'¶',
        'll':'º',
        'Ll':'¿',
        'LL':'Æ',
        'ph':'Ç',
        'Ph':'Ð',
        'PH':'×',
        'rh':'Ø',
        'Rh':'Þ',
        'RH':'ß',
        'th':'æ',
        'Th':'ç',
        'TH':'ð',
        }
print("Input file location: ")
inLoc = input("> ")
print("Output file location: ")
outLoc = input("> ")

with open(inLoc, "r",encoding="Latin-1") as infile, open(outLoc, "w", encoding="utf-8") as outfile:
for line in infile:
    for src, target in replacements.items():
        line = line.replace(src, target)
    outfile.write(line)

当我在一个只有几行长的非常小的文本文件上对其进行测试时，我查看了输出结果，它符合预期。

输入.txt:

Lle wyt ti heddiw?

Ddoe es i at gogledd Nghymru.

输出.txt:

¿e wyt ti heŒiw?

•oe es i at gogleŒ µhymru.

谁能解释一下发生了什么？

Answer 1

您正在更改文件的编码。 latin-1 总是每个字符 1 个字节，但 utf-8 不是，因此您的一些特殊字符被编码为多个字节，导致大小增加。