Această tehnică de compresie de date poate fi privită ca o derivaţie a procesului bit-mapping. Poate fi folosită cu succes în cazul unor anumite tipuri de date, de exemplu setul de caractere EBCDIC, în care primii 4 biţi sunt setaţi cu "1" la reprezentarea numerelor (figura 1).
Structură octet Caracter numeric
Cât timp primii 4 biţi se repetă, compresia poate fi făcută dacă două numere pot fi împachetate într-un octet.
Dacă un şir de date necomprimate conţine caractere codificate EBCDIC pe 8 nivele, atunci codificarea “run-length” nu ar permite compresia unei secvenţe de digiti dacă nu s-ar repeta caractere. Atâta timp cât primii 4 biţi se repetă, compresia poate fi făcută dacă poate îngloba două valori numerice într-un caracter. În mod similar cu câteva versiuni de “run-length” este necesar un caracter special pentru a indica apariţia codificării half-byte packing. Din nou, ca în versiunile de codificare “run-length”, care folosesc un caracter special indicator de compresie, acest caracter trebuie selectat din setul de caractere nefolosite.
Ca o alternativă, se poate lua în consideraţie folosirea tehnicii de inserare şi ştergere sau folosirea unui set extins de caractere obţinut prin folosirea caracterelor shift out. Oricum, cum cele mai multe secvenţe de numere sunt scurte în comparaţie cu folosirea aceloraşi caractere rezultând din începuturi şi spaţiile dintre coloane, folosirea unei metode alternative pentru obţinerea unui caracter indicator de compresie special poate reduce semnificativ posibilitatea metodei de a comprima date.
Aplicaţii financiare
Când caracterele dată nu au o structură de bit repetitivă, half-byte packing poate fi totuşi implementată cu succes cu anumite condiţii predefinite. Un exemplu ar fi să se predefinească apariţia semnului $, a numerelor de la 1 la 10, a virgulei, *, caracterele punct zecimal. În figura 1 sunt listate structurile de bit a caracterelor ASCII folosite frecvent pentru reprezentări financiare.
Dacă frecvenţele de apariţie a unui şir constând din digiţi numerici, virgula, $ sau * sunt predefinite ca potrivite pentru half-byte packing atunci şiruri de genul "$123,456.78", "123,456" sau "$****123,456.78" pot fi comprimate.
Examinând structura bitului pentru caracterele financiare listate în figura 1 se observă că bitul de paritate a fost ignorat, cei trei biţi de nivel înalt sunt goliţi pentru a putea fi folosiţi pentru codificarea celor 4 biţi rămaşi, structura bitului având intrări duplicate. Ca un exemplu, atât semnul "$" cât şi digitul "4" vor avea aceeaşi reprezentare de bit (0100).
Structură octet Caracter
Structura de bit Caracter
Figura 3
Pentru a rezolva această problemă trebuie să se redefinească reprezentarea pe jumătate de octet rezultată a fiecărui caracter. Tabelul din figura 2 arată o posibilă redefinire a structurii pe jumătate de octet.
Este de notat faptul că atunci când se redefinesc jumătăţile de octet se pot include până la şase caractere non-zecimale care reprezentă o jumătate de octet pentru a fi comprimate atunci când sunt întâlnite într-un şir compresibil. În tabelul din figura 3 am adăugat caracterele (+) şi (-) la definiţia octetului half-byte deoarece aceste caractere apar în mod obişnuit în şiruri de caractere financiare, cum ar fi "$1,506,203-" şi "487.32+". Oricum, aşa cum începusem reprezentarea datelor half-byte folosind setul de caractere ASCII, se poate urma aceeaşi procedură pentru a codifica caracterele finaciare EBCDIC într-o secvenţă de până la 16 jumătăţi de octet.
Pentru a descărca acest document,
trebuie să te autentifici in contul tău.
