为什么ZIP的压缩率因文件而异？
分类：文件格式
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Deflate算法。Deflate是以下两种技术的组合。
- LZ77(Lempel-Ziv 1977)：将数据中的重复模式替换为"对先前出现位置的引用"
- 哈夫曼编码：用更短的比特序列表示出现频率较高的字符
重复模式越多的数据压缩率越高，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
| 文件格式 | 压缩率（参考值） | 原因 |
|---|---|---|
| 文本 (.txt) | 降低 60–80% | 重复字符和单词过多 |
| CSV | 70～85%削减 | 分隔符・相同模式重复 |
| HTML / XML / JSON | 降低 65–85% | 标签和键名重复较多 |
| 日志文件 | 70～90%削减 | 时间戳格式重复较多 |
| BMP（未压缩图像） | 降低 50–80% | 相同颜色的连续像素较多 |
| 降低 5–20% | 在许多情况下，内部已使用zlib压缩 | |
| PNG | 0～5% 削减 | 已使用 Deflate 压缩 |
| JPEG | 0～5% 削减 | 已使用 DCT + 哈夫曼编码压缩 |
| MP3 / AAC | 0～3% 的减少 | 已进行有损压缩 |
| MP4 / H.264 | 0～3% 的减少 | 已高度压缩 |
| ZIP / GZ / 7z | 0～2% 的减少（某些情况下可能增加） | 对已压缩数据进行重新压缩基本上无效 |
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），文件大小可能会略微增加。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Store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 文件包含随机数据（伪随机字节序列）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的压缩率由数据重复模式的多少决定
- 文本、CSV 和 XML 可以减少 60–85%
- JPEG、MP4 和预压缩文件几乎无法压缩（可能甚至略微增加）
- 合并已压缩文件时，使用 Store 模式（-0） 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
本文中可用的测试文件
- → ZIP 测试文件列表
- → CSV 测试文件列表
相关文章
❓ 常见问题
为什么有些文件用 ZIP 压缩后几乎不变小？
JPEG、PNG、MP3、MP4 等本身已是压缩格式，ZIP 的 Deflate 算法几乎无从下手。把已压缩文件再打包成 ZIP，甚至会因 ZIP 头部而略微变大。而文本、CSV、HTML、XML 等重复模式多的数据通常可减小 60～85%。
什么是 ZIP 的 Store 模式？何时该用？
Store 模式不做压缩，直接把文件原样放入 ZIP。适合打包 JPEG、MP4 等已压缩文件：体积相当，却省去压缩的 CPU 开销。zip 命令中用 -0 选项指定。
哪种文件格式在 ZIP 中压缩率最高？
日志文件压缩率最高，通常可减小 70～90%；其次是 CSV（70～85%）、HTML / XML / JSON（65～85%）、纯文本（60～80%）。这些数据重复模式多，正好契合 Deflate 的 LZ77 回溯引用与哈夫曼编码。