●序xiii
前言xv
第1章並非無趣的一章1
1.15類數據壓縮算法1
1.2惹人“憤怒”的克勞德香農2
1.3關於數據壓縮，你必須知道的3
第2章不容錯過的一章9
2.1理解二進制9
2.1.1十進制計數繫統9
2.1.2二進制計數繫統10
2.2信息論12
2.2.1二分查找14
2.2.2熵：表示一個數所需要的最少二進制位數15
2.2.3標準的數字長度16
第3章突破熵17
3.1理解熵17
3.2熵有什麼用處呢19
3.3理解概率19
3.4突破熵20
3.4.1示例1：增量編碼21
3.4.2示例2：符號分組22
3.4.3示例3：排列22
3.5信息論與數據壓縮26
第4章VLC29
4.1摩爾斯碼29
4.2概率、熵與碼字長度31
4.3VLC33
4.3.1運用VLC34
4.3.2創建VLC37
4.3.3幾個VLC示例39
4.3.4為數據集找到的編碼方法45
第5章統計編碼47
5.1利用統計使數據壓縮接近熵47
5.2哈夫曼編碼49
5.2.1構造哈夫曼樹49
5.2.2生成碼字50
5.2.3編碼和解碼52
5.2.4實際的實現方法52
5.3算術編碼53
5.3.1找出正確的數54
5.3.2編碼55
5.3.3選擇正確的輸出值57
5.3.4解碼57
5.3.5具體實現62
5.4ANS62
5.4.1通過轉換表來編碼和解碼62
5.4.2創建備查表64
5.4.3使用ANS壓縮數據66
5.4.4解碼示例67
5.4.5壓縮是從哪裡來的68
5.5在實際壓縮中，選擇哪一種統計壓縮算法69
第6章自適應統計編碼71
6.1位置對熵的重要性71
6.2自適應VLC編碼73
6.2.1動態創建VLC表73
6.2.2字面值75
6.2.3重置78
6.2.4知道何時重置79
6.2.5實際中的應用80
6.3自適應算術編碼80
6.4自適應哈夫曼編碼81
6.5現代的選擇81
第7章字典轉換83
7.1基本字典轉換84
7.2LZ算法87
7.2.1LZ算法的工作原理88
7.2.2編碼92
7.2.3解碼93
7.2.4壓縮LZ算法的輸出94
7.2.5LZ算法的變體95
7.3盡可能多地收集數據96
第8章上下文數據轉換97
8.1RLE98
8.1.1處理短行程問題98
8.1.2壓縮99
8.2增量編碼101
8.2.1XOR增量編碼103
8.2.2參照繫增量編碼104
8.2.3修正的參照繫增量編碼105
8.2.4壓縮增量編碼後的數據107
8.2.5那麼它對文本有效嗎107
8.3MTF107
8.3.1消除搗亂符號的影響109
8.3.2壓縮MTF109
8.4BWT110
8.4.1順序很重要111
8.4.2BWT的工作原理111
8.4.3BWT的逆操作112
8.4.4具體的實現114
8.4.5壓縮BWT後的數據115
第9章數據建模117
9.1馬爾可夫鏈118
9.1.1馬爾可夫鏈與壓縮121
9.1.2實際的實現125
9.2部分匹配預測算法126
9.2.1單詞查找樹127
9.2.2字符的壓縮128
9.2.3選擇一個合理的N值130
9.2.4處理未知的符號130
9.3上下文混合算法130
9.3.1模型的類型131
9.3.2混合的類型132
9.4下一代技術133
第10章換個話題135
10.1多媒體數據壓縮135
10.2通用壓縮136
10.3實踐中的數據壓縮137
第11章評價數據壓縮139
11.1數據壓縮的使用場景139
11.1.1線下壓縮，客戶端解壓139
11.1.2客戶端壓縮，雲端解壓140
11.1.3雲端壓縮，客戶端解壓140
11.1.4客戶端壓縮，客戶端解壓141
11.2數據壓縮的需求141
11.3壓縮率142
11.4壓縮性能142
11.5解壓性能143
11.6解碼流的能力143
11.7比較壓縮算法144
第12章壓縮圖像數據147
12.1理解圖像質量與文件大小147
12.1.1是什麼降低了圖像的質量149
12.1.2度量圖像質量150
12.1.3讓想法真正工作152
12.2圖像的尺寸很重要152
12.3選擇正確的圖像格式153
12.3.1PNG154
12.3.2JPG154
12.3.3GIF155
12.3.4WebP156
12.3.5現在，到了選擇的時刻156
12.4GPU紋理格式157
12.5矢量格式158
12.6收獲的捷徑160
第13章序列化數據161
13.1了解常見的使用場景162
13.1.1服務器動態生成的數據162
13.1.2服務器擁有的靜態數據162
13.1.3客戶端動態生成的數據162
13.1.4客戶端擁有的靜態數據162
13.2序列化格式的問題162
13.2.1可讀文本163
13.2.2解碼時間長164
13.3更小的序列化數據164
13.3.1使用二進制序列化格式164
13.3.2重構列表以獲得更好的壓縮165
13.3.3組織數據以便高效獲取166
13.3.4將數據切分為適當的壓縮格式168
第14章有損數據壓縮171
第15章讓世界變得更小173
15.1數據壓縮與你173
15.2數據壓縮與盈利173
15.2.1用戶獲取與保持173
15.2.2運行成本174
15.2.3提前規劃175
15.3讓用戶的生活更美好更便宜175
15.4對下一步技術的思考175
15.4.1未來的50億用戶176
15.4.2移動網絡176
15.5開始行動176
數據壓縮術語表179
關於作者188
關於封面188

本書的主題是數據壓縮，也就是用最緊湊的方式來表示數據。本書先講解了5類數據壓縮算法，即變長編碼、統計壓縮、字典編碼、上下文模型和多上下文模型，然後介紹了香農的信息論，以及怎樣通過各種方法來突破熵，如統計編碼、自適應統計編碼、字典轉換、上下文數據轉換、數據建模等。本書還討論了數據壓縮中的一些要點，如多媒體數據壓縮和通用壓縮，並介紹了有損數據壓縮。本書最後說明了數據壓縮與你、你的公司以及未來的技術是如何相互關聯的。本書適合對數據壓縮感興趣的開發人員閱讀。