我想知道我们可以在多大程度上进行无损数据压缩；我无法找到无损算法的在线模拟器来执行一些经验测试。我可以自己做一个，但不幸的是我这段时间没有足够的时间；我仍然对我的直觉感到好奇，我将对其进行解释。
让我们只看两个更流行的算法：Huffman Coding和Run-lenght Enconding.
假设我们有一个数字A符号的字母表和该字母表中任意长的符号序列：例如：
Alphabet = {A, B, C, D, E, F, G, H, I, J, K, L, M, N, O, P, Q, R, S, T, U, V, X, W, Y, Z}
Sequence1 = SFBJNERUSNJGSDKKDEIJGNMSDJDDSUSJNF
Sequence2 = MNMNMNREGUHSDFJUF
Sequence3 = MMMMMNNNNNASDUERJGASIUJMMMNNNUNS
现在，如果我们只用固定长度的n比特字对每个符号进行编码，我们就有了未压缩的序列，也就是长的N比特。
如果我们使用 Huffman 对序列进行编码，我们将使用H位而不是N位，从而节省(1-H/N)*100%位空间。
如果我们使用 RLE 编码相同的序列，我们将使用R位，节省(1-R/N)*100%.
我想知道，如果我们应用RLE + Huffman或者Huffman + RLE我们可以比只使用其中一个来节省更多空间会发生什么。
这对我来说似乎是一个非常基本的想法，但谷歌搜索我没有找到任何关于这个主题的有趣内容。
编辑：嗯，我可能没有考虑到如果我先使用 RLE，我将无法使用 Huffman，因为与单个符号的固定长度代码的对应关系会丢失；但仍然应该可以先使用 Huffman，然后再使用 RLE。
顺便说一句，我对其中的逻辑很感兴趣，我的意思是串联使用多个无损压缩算法。
编辑 2：当我在评论 Mark Adler 的回复时，我意识到我可能已经找到了我的问题的答案。就是这个：
哈夫曼，这是一个符号到符号的代码，如何影响检测？
假设我们有以下代码：AABCABAAB. 在纯二进制中，它将被编码为00 00 01 10 00 01 00 00 01（obv 空格仅出于可读性目的）。霍夫曼将其编码为0 0 11 10 0 11 0 0 11. 空格更多地显示了字符串是如何没有改变的，因此可以检测到完全相同的重复数量，假设我们正在处理这个范围内的代码（符号方面）。
这让我想到了另一点（鉴于这已经是很长的评论，我不会在这里讨论）：逐位分析代码。
所以，我实际上认为我得出了一个结论：正如我们所知，任何字典（或基于替换的）编码器将可变数量的符号分组为固定长度的码字，而 Huffman（或任何其他熵编码器）编码固定长度的符号成可变数量的比特，从而将熵逼近到最小值；因此，让霍夫曼先运行是没有意义的（而且只会浪费计算），因为另一种算法很可能会引入更多霍夫曼可以减少的冗余。
当然这只是一篇理论论文，因为在实践中我们可以考虑其他因素（例如计算时间）......更不用说要编码的字符串的不同配置可能导致不同结果的事实。但是，嗯……这对我来说很有意义。:)