单位的电子邮件最大只能发5MB的附件，因此在发送文件的时候，经常会使用压缩软件把附件进行压缩分卷，一个大的附件经常会分成十几甚至几十个小文件。在压缩的时候想起了很久以前思考的一个问题：
数据能不能被无限压缩？
在小学六年级电脑课教使用压缩软件的时候，老师说对已经压缩过的文件再压缩是没有效果的。实际生活中直觉告诉我们也是这样的：像程序代码之类的文本文件，压缩率很高，几十MB的文件经过压缩，有时候都不足5MB一封邮件就能发出去；而像JPG、MP3、RMVB这种文件，压缩后和压缩前基本看不出区别。我想，大概是因为JPG、MP3、RMVB都是已经被压缩过的文件格式，而代码文件是没有经过压缩的，所以才导致了两者压缩率的差异。
随着后来上了大学，慢慢的对这个问题有了答案：数据是不能被无限压缩的。
计算机中1个bit有两种状态，0或者1。1个大小为n个bit的文件，包含了2^n种不同的0和1的组合顺序。假如说有一种压缩算法，压缩率可以达到50%。那么压缩后的文件，大小为n/2个bit，只能包含2 ^(n/2)种0和1的组合顺序，是无法将压缩前的2^n种排列表示完整的。
本质上，压缩的原理其实就是用更精简的字符串去描述复杂的字符串。字符串的规律性越强，压缩的效果越好。
“CCCCCCCC”可以用”8C”来表示，一下子就缩短了6个字符。
相应的，内容越是随机没有规律，越是难被压缩，例如随机的字符串”LFSDHFA156″、π、还有上面例子里”CCCCCCCC”压缩后的”8C”。
在英文里，常用的单词都是比较短小的，例如I、you、a、one、two等，而不怎么常用的单词，都是比较长的，例如biotransformation。我们背这些长的单词的时候，往往会把它分解成简单的一些单词的组合”bio”+”transform”+”tion”这样子来背。其实和数据压缩是大同小异的。顺便说下，这种把常用的单词用尽量少的字母来表达的方法，就是信息学中大名鼎鼎的「哈夫曼编码」的基本原理。
说了这么多，其实就是想解释下，数据压缩只不过是把海绵中的水挤压出来，再怎么用力，都无法把海绵都挤的消失。
搬运自我的技术博客：http://www.cc-lab.cn/compression/