为什么ZIP的压缩率因文件而异？

你有没有经历过「用 ZIP 压缩后文件几乎没有变小」或「文本文件压缩后大小大幅减少」的情况？ZIP 的压缩率因文件类型而异。本文将讲解这其中的原因以及各种文件格式的特性。

ZIP中使用的压缩算法：Deflate

ZIP格式(.zip)主要使用<strong>Deflate</strong>算法。Deflate是以下两种技术的组合。

• <strong>LZ77(Lempel-Ziv 1977)</strong>：将数据中的重复模式替换为"对先前出现位置的引用"
• <strong>哈夫曼编码</strong>：用更短的比特序列表示出现频率较高的字符

<strong>重复模式越多的数据压缩率越高</strong>，反之随机数据或已经压缩的数据几乎无法压缩。

按文件格式的压缩率

压缩文件变得更大的情况

使用 ZIP 压缩已压缩的文件（如 JPEG 或 MP4）时，由于 ZIP 头部（文件元数据），文件大小可能会<strong>略微增加</strong>。这是因为 ZIP 格式为每个文件包含本地文件头（30 字节或更多）和整个档案的中央目录。

JPEGファイル (1.00 MB)
 └── ZIP圧縮後: 1.00 MB + ヘッダー（約50B）= わずかに増加

与「Store」模式的区别

ZIP具有<strong>Store</strong>模式，可以不压缩而存储文件。将多个已压缩的文件（如JPEG、MP4等）合并时，使用Store模式可以消除压缩处理的CPU负载，同时以相同的大小存储。

# zip コマンドで圧縮レベルを指定
zip -0 archive.zip image.jpg video.mp4   # Store（圧縮なし）
zip -9 archive.zip data.csv report.txt   # 最大圧縮

# Python で圧縮レベルを指定
import zipfile
with zipfile.ZipFile('archive.zip', 'w', zipfile.ZIP_DEFLATED, compresslevel=9) as zf:
    zf.write('data.csv')

测试 ZIP 文件的特性

DevLab 的测试 ZIP 文件包含<strong>随机数据（伪随机字节序列）</strong>以精确控制文件大小。由于随机数据具有最大熵，Deflate 压缩几乎无效。因此，"10MB ZIP 文件" = "解压后仍约 10MB"。

如果您需要解压后达到特定大小的ZIP文件，可以使用以下方法创建测试文件。

# 解凍後ちょうど 100MB になるZIPを作成（ゼロバイト埋め、高圧縮）
dd if=/dev/zero bs=1M count=100 | zip -9 zero-100mb.zip -

# 解凍後ちょうど 100MB になるZIPを作成（ランダムデータ、ほぼ無圧縮）
dd if=/dev/urandom bs=1M count=100 | zip -0 random-100mb.zip -

总结

• ZIP的压缩率由<strong>数据重复模式</strong>的多少决定
• 文本、CSV 和 XML 可以减少 <strong>60–85%</strong>
• JPEG、MP4 和预压缩文件<strong>几乎无法压缩</strong>（可能甚至略微增加）
• 合并已压缩文件时，使用 <strong>Store 模式（-0）</strong> 节省 CPU
• DevLab 的测试 ZIP 使用随机数据，因此解压前后大小几乎相同

→ <a href="/ja/files/zip/">在此下载测试 ZIP 文件</a>