- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个包含数百万个街道名称的列表,想使用压缩算法压缩它们。我不确定哪种算法最适合。大多数街道名称中都有共同的子字符串,例如“街道”、“路”……
所有街道名称的集合是固定的,不会动态更改。
起初我在考虑霍夫曼编码,但它只编码单个字母,所以它不会提供很好的性能。所以我想到了生成一个 trie 并计算最常见的子字符串。然后我可以有某种代码来遍历这个特里以得到这个词,并使用类似霍夫曼编码的东西来压缩这些代码。我不确定这是否不会使它变得比需要的更复杂。
有谁知道对我来说有意义的压缩技术?
编辑 1
我的用例是这样的:我有一个存储空间有限的电话设备。此电话需要保存特定国家/地区所有街道的所有街道名称。现在每个街道对象都有一些值,其中包括街道名称作为字符串。这占用了大部分空间,我想尽量减少它。由于名称非常相似,即大多数以“...street”或“...way”结尾,我认为可能值得实现针对这种情况的特定压缩算法。
一个简单的 gzip 带来了大约 50% 的压缩。我认为应该可以从中获得更多。
编辑 2
Ebbe M. Pedersen 的解决方案实际上给出了非常好的性能结果。下面是一些代码(用 C# 编写):
private IndexedItem[] _items;
public void CompressStrings(string[] strings)
{
Array.Sort(strings);
_items = new IndexedItem[strings.Length];
string lastString = string.Empty;
for (int i = 0; i < strings.Length; i++)
{
byte j = 0;
while (lastString.Length > j && lastString[j] == strings[i][j])
{
j++;
}
_items[i] = new IndexedItem() { Prefix = j, Suffix = strings[i].Substring(j) };
lastString = strings[i];
}
}
private struct IndexedItem
{
public byte Prefix;
public string Suffix;
}
最佳答案
根据您的数据集,您可以先对街道名称进行排序,然后将每条街道名称表示为前一个街道名称的子字符串+“不同部分”。
具有一些相似街道名称的示例:
How much to copy from previous street name in Hex
| The rest of the street name
Original V V V V Orig size New size
Broadwalk 0 Broadwalk 9 10
Broadwater 7 ter 8 4
Broadwater Access A Access 17 8
Broadwater Bluff B Bluff 16 6
Broadwater Branch C ranch 17 6
Broadwater Bridge D idge 17 5
Broadwater Cemetary B Cemetary 19 9
Broadwater Creek C reek 16 5
Broadwater Point B Point 16 6
Broadwater Pvt C vt 14 3
Broadwaters A s 11 2
Broadway 7 y 8 2
Broadway And Union 8 And Union 18 11
Broadway Apartments 9 partments 19 10
Broadway Avenue 9 venue 15 6
--- ---
220 93
关于想要的街道名称的压缩算法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15645779/
滑动窗口限流 滑动窗口限流是一种常用的限流算法,通过维护一个固定大小的窗口,在单位时间内允许通过的请求次数不超过设定的阈值。具体来说,滑动窗口限流算法通常包括以下几个步骤: 初始化:设置窗口
表达式求值:一个只有+,-,*,/的表达式,没有括号 一种神奇的做法:使用数组存储数字和运算符,先把优先级别高的乘法和除法计算出来,再计算加法和减法 int GetVal(string s){
【算法】前缀和 题目 先来看一道题目:(前缀和模板题) 已知一个数组A[],现在想要求出其中一些数字的和。 输入格式: 先是整数N,M,表示一共有N个数字,有M组询问 接下来有N个数,表示A[1]..
1.前序遍历 根-左-右的顺序遍历,可以使用递归 void preOrder(Node *u){ if(u==NULL)return; printf("%d ",u->val);
先看题目 物品不能分隔,必须全部取走或者留下,因此称为01背包 (只有不取和取两种状态) 看第一个样例 我们需要把4个物品装入一个容量为10的背包 我们可以简化问题,从小到大入手分析 weightva
我最近在一次采访中遇到了这个问题: 给出以下矩阵: [[ R R R R R R], [ R B B B R R], [ B R R R B B], [ R B R R R R]] 找出是否有任
我正在尝试通过 C++ 算法从我的 outlook 帐户发送一封电子邮件,该帐户已经打开并记录,但真的不知道从哪里开始(对于 outlook-c++ 集成),谷歌也没有帮我这么多。任何提示将不胜感激。
我发现自己像这样编写了一个手工制作的 while 循环: std::list foo; // In my case, map, but list is simpler auto currentPoin
我有用于检测正方形的 opencv 代码。现在我想在检测正方形后,代码运行另一个命令。 代码如下: #include "cv.h" #include "cxcore.h" #include "high
我正在尝试模拟一个 matlab 函数“imfill”来填充二进制图像(1 和 0 的二维矩阵)。 我想在矩阵中指定一个起点,并像 imfill 的 4 连接版本那样进行洪水填充。 这是否已经存在于
我正在阅读 Robert Sedgewick 的《C++ 算法》。 Basic recurrences section it was mentioned as 这种循环出现在循环输入以消除一个项目的递
我正在思考如何在我的日历中生成代表任务的数据结构(仅供我个人使用)。我有来自 DBMS 的按日期排序的任务记录,如下所示: 买牛奶(18.1.2013) 任务日期 (2013-01-15) 任务标签(
输入一个未排序的整数数组A[1..n]只有 O(d) :(d int) 计算每个元素在单次迭代中出现在列表中的次数。 map 是balanced Binary Search Tree基于确保 O(nl
我遇到了一个问题,但我仍然不知道如何解决。我想出了如何用蛮力的方式来做到这一点,但是当有成千上万的元素时它就不起作用了。 Problem: Say you are given the followin
我有一个列表列表。 L1= [[...][...][.......].......]如果我在展平列表后获取所有元素并从中提取唯一值,那么我会得到一个列表 L2。我有另一个列表 L3,它是 L2 的某个
我们得到二维矩阵数组(假设长度为 i 和宽度为 j)和整数 k我们必须找到包含这个或更大总和的最小矩形的大小F.e k=7 4 1 1 1 1 1 4 4 Anwser是2,因为4+4=8 >= 7,
我实行 3 类倒制,每周换类。顺序为早类 (m)、晚类 (n) 和下午类 (a)。我固定的订单,即它永远不会改变,即使那个星期不工作也是如此。 我创建了一个函数来获取 ISO 周数。当我给它一个日期时
假设我们有一个输入,它是一个元素列表: {a, b, c, d, e, f} 还有不同的集合,可能包含这些元素的任意组合,也可能包含不在输入列表中的其他元素: A:{e,f} B:{d,f,a} C:
我有一个子集算法,可以找到给定集合的所有子集。原始集合的问题在于它是一个不断增长的集合,如果向其中添加元素,我需要再次重新计算它的子集。 有没有一种方法可以优化子集算法,该算法可以从最后一个计算点重新
我有一个包含 100 万个符号及其预期频率的表格。 我想通过为每个符号分配一个唯一(且前缀唯一)的可变长度位串来压缩这些符号的序列,然后将它们连接在一起以表示序列。 我想分配这些位串,以使编码序列的预
我是一名优秀的程序员,十分优秀!