使用Python进行字符串压缩，以便将大小压缩到固定长度

Question

我们有一个名为“analysis_data_table”的表，我从其中获取名为“tags”的列，该列中的条目可以从空记录到包含 sql 查询、http url 等的长字符串。

我的目的是在存储之前压缩该字段，并在需要时解压缩。

注意： 这个压缩字符串仍然需要具有可存储条目，因为我必须仅将其保存回某些数据库表列中。

压缩后的字符串可能是一系列无意义的危险字符串（最好是固定长度），可以将其重新转换为原始字符串。

例如

'''
input_string = "Python is language"

output_string = some_encoding(input_string)

which gives maybe "r%234khsjlfgkjlslll;dl;hghfd76890sjkjl7897" (larger than the i/p string)

also if

input_string = "Prerequisiste to learn data science is having command over atleast one programming language"

output_string = some_encoding(input_string)

which gives maybe "m$264khsjlfgkjlslll;dl;hghfd76890snmjl7895" (larger than the i/p string)
'''

所以我们可以注意到两种编码的大小是相同的并且可以存储

请协助编码方式来实现这一点。

Answer 1

无损压缩算法有很多。一种选择是使用

zlib

库：

import zlib

input_string = "Python is language"
compressed = zlib.compress(bytes(input_string, 'utf-8'))
print(compressed)

给予

b'x\x9c\x0b\xa8,\xc9\xc8\xcfS\xc8,V\xc8I\xccK/MLO\x05\x00A$\x06\xe3'

。

这是二进制数据（26 字节），通常应该比输入字符串短，但这取决于字符串的编码方式。您必须以不同的方式将其存储在数据库中，例如创建一个新的二进制类型列。由于压缩的开销，较大的输入将产生更好的压缩率。除非您使用不可逆的哈希函数（即您无法恢复原始输入），否则无法创建固定长度的输出。

要从压缩中恢复原始数据，请使用：

original = zlib.decompress(compressed).decode('utf-8')
print(original)

屈服

'Python is language'

。