我想知道压缩算法实际上是如何编写注释的。假设"4x4x"是"4x"的4倍。
如果算法像这样标记重复的字符：
23*（"文本"），重复的文本为34*（"某物"）
程序怎么会知道这不是一个重复文本的标签，而是一个实际文本。我不知道如何更好地解释这一点。
压缩此字符串后：
"Compression programs label how many times string is repeated like this: 4x("text"), this is repeated repeated repeated ."
你会得到：
"Compression programs label how many times string is repeated like this: 4x("text"), this is 3x("repeated") ."
算法如何知道一个是压缩的？
大致有三种方法：
-
一切都是一种特殊的象征。因此，文本将被编码为1x"压缩"、1x"程序"、1x"标签"等等
-
逃跑。这是指使用一个特殊的字符来表示一个符号。因此，
4x("text")将表示为$4x("text")，而$的存在意味着接下来是一个特殊的压缩序列。当然，为了实现这一点，需要一个技巧来允许我们在普通文本中包含$。诀窍很简单：$1x("$")。 -
字典。您心目中的压缩算法是极其简单的"Run Length Encoding"算法的变体。（查一下。）这种算法实际上没有什么好处，而且现在很少使用。像LZW这样的现代压缩算法要复杂得多，它们使用字典，在字典中，每个输入组合都映射到要输出的字节串。完整的解释太长了，无法包含在答案中，但请随意查找LZW。
通常的处理方法是（在压缩过程中）识别原始文本包含的字符序列会导致解压缩问题，并以某种方式"转义"它。有很多方法可以做到这一点，但对于您发布的示例来说，最简单的方法可能是将文本压缩为：
"Compression programs label how many times string is repeated like this: 1x("4x")("text"), this is 3x("repeated").
这样，"4x"（或任何其他看起来像重复计数的值）就不会被视为重复计数，因为它被捕获为要重复的文本（尽管只有一次）。并且文本("text")的前面没有重复计数，因此它将以不变的方式经历解压缩阶段。
请注意，这种特定的编码方案还有其他问题（例如重复的文本本身包含双引号）。但所有这些问题都可以通过适当的转义处理来解决。