二进制文件比文本文件能够节省空间吗？

时间：2021-12-07 12:48:38
我有一个大概5m多txt的词典信息，请问如何才能做成一个只占很少空间的文件，大家都是怎么做的？保存成二进制的文件可以吗？

还有，二进制文件比文本文件到底有什么好处啊？

44 个解决方案

#1

二进制文件和文本文件只是打开文件的方式而已，跟保存到磁盘里的文件没关系。
磁盘里的文件都是二进制格式的。

#2

那二进制文件比文本文件到底有什么好处啊？

#3

同意楼上的，如果LZ要节省空间的话，可以试着用哈夫曼等算法压缩一下~~~

#4

肯定节省空间 
虽然磁盘里的文件都是二进制格式的
但是 要知道 数字格式以二进制保存的话 只需要保存实际值
文本格式却要无论如何占用一个字节当然 是unicode更麻烦

二进制文件的好处 自然是可以无差别对待输入数据流

#5

当然 对楼主的用途 用二进制 没有多少改观的 还是用个简单的压缩算法 压缩一下吧

text文件 压缩效果和明显的

#6

多谢楼上各位的解答。采用压缩算法的话，我怕解压也耗时间，就会慢了。我的文本文件是有很多行的词条构成的，除了哈夫曼压缩，还有别的压缩算法吗？哪种压缩方法相对来说压缩大小和解压时间比较合适？

#7

因为再用这个词典的时候会进行查找操作

#8

5M大小根本算不上什么，用不着压缩，除非你的程序在特殊的电脑环境下运行。
储存为非文本文件，按照一定格式储存，你存取时会比较方便；如果用文本文件，在没有索引的情况下速度也比较慢。
还有一点，文本文件很容易被人看到内容，也容易被人修改。

#9

同意楼上的第一句话 
o(∩_∩)o

#10

恩，确实需要压缩的啊^_^

储存为非文本文件，按照一定格式储存，你存取时会比较方便；
-------------------------------------------------
自己设计格式？可是大小还是不能压缩啊

#11

重复数据多就用行程
要么用霍夫曼
或者字典法 

#12

你要的是内存空间大小还是硬盘空间大小？

#13

楼主所谓的二进制文件有很多种定义
1. 文件打开方式来说，有二进制打开方式和文本打开方式，其区别是文本方式会在读的时候把\n转换为\r\n，存储时做反向转换，而二进制方式则不作任何转换。

2. 存储方式：其实很多人说二进制文件是以为二进制文件是一种特殊的存储格式。而实际上这种所谓的特殊存储格式是不存在的。很多人以为电子开关有两种状态，因此文件存储都是以二进制方式存储的。其实这是一种把软件和硬件混淆起来的误解。当然电子文件最终都会转化为某种二值开关的状态，但是不能说文件是二进制的。实际上，从逻辑上讲，所有文件都以字节为单位存储，我们逻辑上应该把它当作一个字节数组，而不是某个二进制码流。

实际上，如果一定有一种和普通文本不一样的存储方式的话，我们应该说结构化存储。结构化存储文件用某种特殊的数据结构管理文件内的数据。例如：doc文件就是一种结构化存储文件，zip文件也是一种。每个结构化存储文件都需要用它特有的软件来打开，对应软件必须理解这种文件结构。例如：mspaint可以打开bmp文件，doc文件可以用winword打开。

一般而言，由于数据结构需要额外字节，这样的文件比普通文本文件要大。当然，由于使用了压缩算法，压缩会使得文件更小，但是如果没有压缩，应该更大才对。

结构化存储的好处是：1. 可以确保文件按照某种固定的逻辑存储 2. 读取速度快 3.支持逻辑上的插入（文件物理上不可插入）

至于楼主想压缩空间，首先对5M文件不值得，压缩解压缩是以时间换空间，而现在的潮流是以空间换时间，除非空间占有率太大，而5M显然不大。

#14

从某种意义上可以这么说

#15

如果是字典，还是去研究一下数据结构，以结构化存储方式存储，因为这可以对你的字典进行index/hash，加快查字典速度。这不过不是简单的事情，三言两语说不清，不太适合在这样的网站问哦:)

#16

受益了 


#17

4 楼说的很有趣，怎么保存实际的值？文件永远是以字节为单位的

#18

楼上的说的太有趣了  呵呵
文件以字节为单位就不能保存实际值了么？
建议楼主好好学学基本功吧 呵呵  
别误导了楼主呢 

事实胜于雄辩 来看看这段测试程序吧 


#include <stdio.h>

#include <stdlib.h>


int   main() 

{ 

      FILE *fp;

      long i = 9999999;

      fp = fopen("bin.txt","wb");

      fwrite(&i,sizeof(i),1,fp);

      fclose(fp);

      fp = fopen("asc.txt","wt");

      fprintf(fp,"%d",i);

      fclose(fp);

      system("pause");

}




比较下 asc文件大小 和bin文件大小就知道了 呵呵 

#19

在提醒下楼上的 别吧 以字节为最小计量单位跟以字节为存储方式混淆了

当然 我昵称是 Super N-o.O-B 呵呵 

超级菜鸟  初学语言 错误之处  还望海涵

#20

strangefay 

要说常见的二进制（或曰：结构化）存储，看看所谓的TLV格式、XDR格式和ASN.1吧。你的代码在复杂情况下没有任何实际的意义。结果甚至可以随着i值的不同而变化，不具有说明意义。

#21

对不起  楼上的星级用户 
没有学那么深  学c语言还没一个月  呵呵 

佩服您了  但是 我只讨论C语言的二进制存储   不见得 二进制存储都指的是结构化存储吧 呵呵 

我只想问一句  可以存储整形的实际值不？

菜鸟入门 让您见笑了  呵呵 

#22

TLV的意思就是：Type类型， Lenght长度，Value值；
Type和Length的长度固定，一般那是2、4个字节；
Value的长度有Length指定；
解析方法：
      1.读取type 转换为ntohl、ntohs转换为主机字节序得到类型；指针偏移+2或4
      2.读取lenght，转换为ntohl、ntohs转换为主机字节序得到长度；指针偏移+2或4
      3.根据得到的长度读取value，指针偏移+Length；
      。。。。
      继续处理后面的tlv；
--------------------------------------------------------
抽象语法标记(Abstract Syntax Notation One)是描述抽象类型和值的标记，缩写为ASN.1。

    在ASN.1中，一个类型就是值的一个集合。有些类型有有限个值，有些则有无限多个。一个给定的ASN.1类型的值是该类型集合里的一个元素。ASN.1有四种类型：简单类型，它相当于原子，没有下层组件；结构类型，有组成部分；标签类型，由其它类型生成；其它类型，包括CHOICE和ANY类型。可以使用ASN.1的分配符（::=）给类型和值指定名字，这些名字可以用于定义其它类型或值。
---------------------------------------------------------
XDR(eXternal Data Representation) 提供一种方法把数据从一种格式转换成另一种标准数据格式表示法，确保在不同的电脑，操作系统及电脑语言中，所有数据代表的意义都是相同的。

#23

18 楼说的和我说的根本不时一回事情哦:)数和其格式化后的字符串根本不是同一个东西，因此你比较它们俩没有意义的:)

#24

不好意思 理解错误  呵呵 
楼上大侠见笑了   

#25

TLV XDR ASN.1
.............. 20楼的做网络的？ 这是什么地方学的啊。。

老师没教这个。。。。



受教受教。。。。。。。。。

#26

5m的txt文件，如果不用压缩算法，没法变小存下。而且上面很多人已经说了，5M其实不算大。
二进制文件和文本文件是不同的文件类型，一个是用来表示二进制数据的，比如视频，程序文件。一个是用来表示文本的，
你的本来就是文本文件，转存成二进制还需要做转换，又不能节省空间，没什么必要吧？

#27

还是找个数据库用吧，连字典的搜索算法都不用写了。

#28

说压缩算法就想起 DNS Message 中用的压缩算法。。如果有大量重复的词条，可以借鉴。

#29

学习，留名

#30

没有一个前提条件，没有可比性

#31

这个问题真够基础的。。

#32

lz抛砖引玉啊 学习 

#33

1.存储字符时,二进制和文本占用的空间应该是一样的.
在存储数据时,二进制占用存储空间小,比如double型数据,按照IEEE754占8个字节,若用文本模式,同等精度,占用字节数会增加.

2.文本文件一般以流的模式存储,地址的概念不明确,由于其可读性强(易于修改),也不适用于用地址来标明位置,在存储方面不易于利于设计良好的数据结构.
二进制文件,地址概念非常明确,在良好的数据结构的基础上较文本文件不但可以节省空间,还更适合于应用数据结构的思想来进行查询操作等.数据库便是一个最好的例子.

对于字典来说,第一方面不容易体现,第二方面需要一个良好的设计为基础.
总体来说,良好的二进制文件较文本文件更容易存储更多的数据.

#34

同意LS

#35

不知道LZ怎么定义的文件存储格式，可以用压缩工具试一下，看看有没有效果

#36

oo

#37

暈。

#38

晕，5M还想压缩
这种工作没意义啊

#39

建议用MDB数据库，
如果文本文件用在网络上，找一个你使用对应程序的ZIP压缩算法，网上很多。

#40

在32位机器上,int数据类型的长度是4个字节,那么要存储100001,100002,100003,100004,100005,100006这6个数,当使用二进制时只要用4*6=24个字节就够了,但是用文本方式(用记事本打开可读的),则每个数要占6个字节,并且,要想人们看上到舒服一点的话,还可以排一下格式,比如用逗号分格,或者每个数占一行.当然了,如果是存1,2,3,4,5,6这6个数,那么文本方式每个数只要一个字节就够了.
    怎么越说越乱呀.....看看18楼的程序的结果就知道了.

#41

可以用gzip 压缩一下，像stardict这种软件的词典就是用gzip压缩的纯文本做辞典。效果很明显，算法也简单。

#42

打文字转换成十进制再存取会不会占空间少点?

#43

学习下~~

#44

学习了~

#1

二进制文件和文本文件只是打开文件的方式而已，跟保存到磁盘里的文件没关系。
磁盘里的文件都是二进制格式的。

#2

那二进制文件比文本文件到底有什么好处啊？

#3

同意楼上的，如果LZ要节省空间的话，可以试着用哈夫曼等算法压缩一下~~~

#4

肯定节省空间 
虽然磁盘里的文件都是二进制格式的
但是 要知道 数字格式以二进制保存的话 只需要保存实际值
文本格式却要无论如何占用一个字节当然 是unicode更麻烦

二进制文件的好处 自然是可以无差别对待输入数据流

#5

当然 对楼主的用途 用二进制 没有多少改观的 还是用个简单的压缩算法 压缩一下吧

text文件 压缩效果和明显的

#6

多谢楼上各位的解答。采用压缩算法的话，我怕解压也耗时间，就会慢了。我的文本文件是有很多行的词条构成的，除了哈夫曼压缩，还有别的压缩算法吗？哪种压缩方法相对来说压缩大小和解压时间比较合适？

#7

因为再用这个词典的时候会进行查找操作

#8

5M大小根本算不上什么，用不着压缩，除非你的程序在特殊的电脑环境下运行。
储存为非文本文件，按照一定格式储存，你存取时会比较方便；如果用文本文件，在没有索引的情况下速度也比较慢。
还有一点，文本文件很容易被人看到内容，也容易被人修改。

#9

同意楼上的第一句话 
o(∩_∩)o

#10

恩，确实需要压缩的啊^_^

储存为非文本文件，按照一定格式储存，你存取时会比较方便；
-------------------------------------------------
自己设计格式？可是大小还是不能压缩啊

#11

重复数据多就用行程
要么用霍夫曼
或者字典法 

#12

你要的是内存空间大小还是硬盘空间大小？

#13

楼主所谓的二进制文件有很多种定义
1. 文件打开方式来说，有二进制打开方式和文本打开方式，其区别是文本方式会在读的时候把\n转换为\r\n，存储时做反向转换，而二进制方式则不作任何转换。

2. 存储方式：其实很多人说二进制文件是以为二进制文件是一种特殊的存储格式。而实际上这种所谓的特殊存储格式是不存在的。很多人以为电子开关有两种状态，因此文件存储都是以二进制方式存储的。其实这是一种把软件和硬件混淆起来的误解。当然电子文件最终都会转化为某种二值开关的状态，但是不能说文件是二进制的。实际上，从逻辑上讲，所有文件都以字节为单位存储，我们逻辑上应该把它当作一个字节数组，而不是某个二进制码流。

实际上，如果一定有一种和普通文本不一样的存储方式的话，我们应该说结构化存储。结构化存储文件用某种特殊的数据结构管理文件内的数据。例如：doc文件就是一种结构化存储文件，zip文件也是一种。每个结构化存储文件都需要用它特有的软件来打开，对应软件必须理解这种文件结构。例如：mspaint可以打开bmp文件，doc文件可以用winword打开。

一般而言，由于数据结构需要额外字节，这样的文件比普通文本文件要大。当然，由于使用了压缩算法，压缩会使得文件更小，但是如果没有压缩，应该更大才对。

结构化存储的好处是：1. 可以确保文件按照某种固定的逻辑存储 2. 读取速度快 3.支持逻辑上的插入（文件物理上不可插入）

至于楼主想压缩空间，首先对5M文件不值得，压缩解压缩是以时间换空间，而现在的潮流是以空间换时间，除非空间占有率太大，而5M显然不大。

#14

从某种意义上可以这么说

#15

如果是字典，还是去研究一下数据结构，以结构化存储方式存储，因为这可以对你的字典进行index/hash，加快查字典速度。这不过不是简单的事情，三言两语说不清，不太适合在这样的网站问哦:)

#16

受益了 


#17

4 楼说的很有趣，怎么保存实际的值？文件永远是以字节为单位的

#18

楼上的说的太有趣了  呵呵
文件以字节为单位就不能保存实际值了么？
建议楼主好好学学基本功吧 呵呵  
别误导了楼主呢 

事实胜于雄辩 来看看这段测试程序吧 


#include <stdio.h>

#include <stdlib.h>


int   main() 

{ 

      FILE *fp;

      long i = 9999999;

      fp = fopen("bin.txt","wb");

      fwrite(&i,sizeof(i),1,fp);

      fclose(fp);

      fp = fopen("asc.txt","wt");

      fprintf(fp,"%d",i);

      fclose(fp);

      system("pause");

}




比较下 asc文件大小 和bin文件大小就知道了 呵呵 

#19

在提醒下楼上的 别吧 以字节为最小计量单位跟以字节为存储方式混淆了

当然 我昵称是 Super N-o.O-B 呵呵 

超级菜鸟  初学语言 错误之处  还望海涵

#20

strangefay 

要说常见的二进制（或曰：结构化）存储，看看所谓的TLV格式、XDR格式和ASN.1吧。你的代码在复杂情况下没有任何实际的意义。结果甚至可以随着i值的不同而变化，不具有说明意义。

#21

对不起  楼上的星级用户 
没有学那么深  学c语言还没一个月  呵呵 

佩服您了  但是 我只讨论C语言的二进制存储   不见得 二进制存储都指的是结构化存储吧 呵呵 

我只想问一句  可以存储整形的实际值不？

菜鸟入门 让您见笑了  呵呵 

#22

TLV的意思就是：Type类型， Lenght长度，Value值；
Type和Length的长度固定，一般那是2、4个字节；
Value的长度有Length指定；
解析方法：
      1.读取type 转换为ntohl、ntohs转换为主机字节序得到类型；指针偏移+2或4
      2.读取lenght，转换为ntohl、ntohs转换为主机字节序得到长度；指针偏移+2或4
      3.根据得到的长度读取value，指针偏移+Length；
      。。。。
      继续处理后面的tlv；
--------------------------------------------------------
抽象语法标记(Abstract Syntax Notation One)是描述抽象类型和值的标记，缩写为ASN.1。

    在ASN.1中，一个类型就是值的一个集合。有些类型有有限个值，有些则有无限多个。一个给定的ASN.1类型的值是该类型集合里的一个元素。ASN.1有四种类型：简单类型，它相当于原子，没有下层组件；结构类型，有组成部分；标签类型，由其它类型生成；其它类型，包括CHOICE和ANY类型。可以使用ASN.1的分配符（::=）给类型和值指定名字，这些名字可以用于定义其它类型或值。
---------------------------------------------------------
XDR(eXternal Data Representation) 提供一种方法把数据从一种格式转换成另一种标准数据格式表示法，确保在不同的电脑，操作系统及电脑语言中，所有数据代表的意义都是相同的。

#23

18 楼说的和我说的根本不时一回事情哦:)数和其格式化后的字符串根本不是同一个东西，因此你比较它们俩没有意义的:)

#24

不好意思 理解错误  呵呵 
楼上大侠见笑了   

#25

TLV XDR ASN.1
.............. 20楼的做网络的？ 这是什么地方学的啊。。

老师没教这个。。。。



受教受教。。。。。。。。。

#26

5m的txt文件，如果不用压缩算法，没法变小存下。而且上面很多人已经说了，5M其实不算大。
二进制文件和文本文件是不同的文件类型，一个是用来表示二进制数据的，比如视频，程序文件。一个是用来表示文本的，
你的本来就是文本文件，转存成二进制还需要做转换，又不能节省空间，没什么必要吧？

#27

还是找个数据库用吧，连字典的搜索算法都不用写了。

#28

说压缩算法就想起 DNS Message 中用的压缩算法。。如果有大量重复的词条，可以借鉴。

#29

学习，留名

#30

没有一个前提条件，没有可比性

#31

这个问题真够基础的。。

#32

lz抛砖引玉啊 学习 

#33

1.存储字符时,二进制和文本占用的空间应该是一样的.
在存储数据时,二进制占用存储空间小,比如double型数据,按照IEEE754占8个字节,若用文本模式,同等精度,占用字节数会增加.

2.文本文件一般以流的模式存储,地址的概念不明确,由于其可读性强(易于修改),也不适用于用地址来标明位置,在存储方面不易于利于设计良好的数据结构.
二进制文件,地址概念非常明确,在良好的数据结构的基础上较文本文件不但可以节省空间,还更适合于应用数据结构的思想来进行查询操作等.数据库便是一个最好的例子.

对于字典来说,第一方面不容易体现,第二方面需要一个良好的设计为基础.
总体来说,良好的二进制文件较文本文件更容易存储更多的数据.

#34

同意LS

#35

不知道LZ怎么定义的文件存储格式，可以用压缩工具试一下，看看有没有效果

#36

oo

#37

暈。

#38

晕，5M还想压缩
这种工作没意义啊

#39

建议用MDB数据库，
如果文本文件用在网络上，找一个你使用对应程序的ZIP压缩算法，网上很多。

#40

在32位机器上,int数据类型的长度是4个字节,那么要存储100001,100002,100003,100004,100005,100006这6个数,当使用二进制时只要用4*6=24个字节就够了,但是用文本方式(用记事本打开可读的),则每个数要占6个字节,并且,要想人们看上到舒服一点的话,还可以排一下格式,比如用逗号分格,或者每个数占一行.当然了,如果是存1,2,3,4,5,6这6个数,那么文本方式每个数只要一个字节就够了.
    怎么越说越乱呀.....看看18楼的程序的结果就知道了.

#41

可以用gzip 压缩一下，像stardict这种软件的词典就是用gzip压缩的纯文本做辞典。效果很明显，算法也简单。

#42

打文字转换成十进制再存取会不会占空间少点?

#43

学习下~~

#44

学习了~
标签：

相关文章