问题描述
众所周知，重新压缩（压缩压缩的数据集）通常会产生非常低的压缩（或没有压缩）。
因此，我很惊讶地发现一个数据集，其中第二次ZIP重新压缩产生大约50％的压缩系数（通过Unix zip工具的两次运行，在最大压缩系数（{{1 }}）。
因此，我很好奇：Deflate算法的哪些特征（限制）会导致这种行为？我尝试了其他程序，例如zstd之类的算法在第一次通过时产生了更好的压缩效果。
供参考，数据集为here。
解决方法
Deflate的匹配长度限制为258个字节。如果经常重复的弦长于此，则第二次压缩可能会产生结果。 zstd代码最多可匹配128K字节的长度。
gzip -9对您的数据一次给出36340381字节。 gzip -9对您的数据两次给出了18860632字节。 zstd -9曾经给出18985681字节。第二个zstd -9仅将其减少到18882745字节。