バックグラウンド

1バイトが表すことができる256文字のうち、ほとんどの状況で使用されるのはこれらの文字のほんの一部です。どういうわけかこれを利用して、めったに使用されない文字の必要性を排除して、テキストファイルを小さくすることはできませんか？

多くの文字はほとんどの状況で値を追加せず、より一般的な文字に置き換えることができます。たとえば、小文字の「L」、大文字の「I」、および数値「1」はほとんどの状況でほとんど同じに見えるため、統合できます。

大文字はほとんど必要ないため、省略できます。解凍/表示プログラムは、すべての文、通称などの最初の文字を自動的に大文字にすることさえできます。

ルール

エントリーは次の項目で審査されます。

• 圧縮比
• 解凍後の可読性

エントリは、この記事のプレーンテキストバージョン（http://en.wikipedia.org/wiki/Babbage）とランダムに選択されたBBCニュース記事に対してテストされます。

追加のマークが授与されます。マークアップを保持し、解凍後に美化します（つまり、文を大文字にするなど）。

言語

• 任意ですが、基本的な* nixボックスで簡単にコンパイル（または解釈）する必要があります。

Perl

非常に非効率でレートが悪い。が必要/usr/share/dict/wordsです。

コンプレッサー

#!/usr/bin/perl

$M = 2;
$N = 1;
$Min = 3;
$Max = 8;

while (<>) {
  for (split /\s+/) {
    s/[^a-z]//i;
    ($p) = m/([^a-z]*)$/;
    $_ = lc $_;
    $l = (length $_) - (length $p);
    s/^and$/A/;
    s/^he$/H/;
    s/^in$/I/;
    s/^of$/O/;
    s/^you$/U/;
    s/^the$/Z/;
    if (length $_ >= $Min) {
      if (length $_ <= $Max) {
        s/ed/D/g;
        s/ing\b/N/g;
        s/er/R/g;
        s/'s/S/g;
        s/th/T/g;
        s/[aeo]{1,2}//g;
        $_ .= $l;
      } else {
        s/^(.{$M})(.+)(\w{$N})$/$1.(length$2).$3/e;
      }
    }
    $a .= $_ . $p . ' ';
  }
}
print $a;

減圧装置

#!/usr/bin/perl

$M = 2;
$N = 1;

open D, '/usr/share/dict/words';
chomp, push @W, $_ while <D>;
close D;

while (<>) {
  for (split /\s+/) {
    ($_, $p) = m/^(.+)([^a-z]*)$/;
    s/^A$/and/;
    s/^H$/he/;
    s/^I$/in/;
    s/^O$/of/;
    s/^U$/you/;
    s/^Z$/the/;
    if ($_ =~ m/^(\w{$M})(\d+)(\w{$N})$/) {
      $r = '^' . quotemeta($1) . ('\w' x $2) . quotemeta($3) . '$';
      ($_) = (grep /$r/, @W);
      $_ .= $4;
    } else {
      ($_, $l) = m/^(.+)(\d+)$/;
      s/D/ed/g;
      s/N/ing/g;
      s/R/er/g;
      s/S/'s/g;
      s/T/th/g;
      $r = '[aeo]{0,2}';
      for $y(split //) { $r .= (quotemeta $y) . '[aiueo]{0,2}' }
      ($_) = (grep /^(?=[a-z]{$l})$r$/, @W);
    }
    $a .= $_ . $p . ' ';
  }
}
print $a;

Perl、0文字

無限大の圧縮率。ただし、圧縮解除後は判読できないため、一部のマークが失われます。

バッシュ、5文字

勝つかもしれない私の怠惰なエントリ：

bzip2

ロスレスなので、読みやすさを完全に保ち、余分なマークをすべて取得します。Babbage htmlの圧縮率は4.79x（153804から32084バイト）です。