kuidas lisada registrivõtmeid blackboxi ümberpakendajale


Vastus 1:
  • Esimene samm mängu väiksemaks muutmiseks on nagu kõik teised siin öeldes .. "rippimine" .. (failide eemaldamine, mida pole mängu mängimiseks vaja) eemaldab enamik rippijaid kõik muu keelega tugifailid peale inglise keele, jättes subtiitrid, kuna need on väikesed, nii et iga kord, kui mänguga kaasneb näiteks ingliskeelne heli või saksa või itaalia keel või mis iganes ... see tähendab, et failikogul peaks olema mitu failiversiooni, kui mängitakse märki / lõigatud stseeni / fmv, kui ingliskeelne fail on 10mb, lisavad erinevate keeleversioonide lisamine iga keele jaoks järgnevad 10mb ja see võib olla ainult tegelasele, kes ütleb "Tervituste mängija!" kujutage ette 5-minutilist FMV-stseeni 1080p-s koos 320-bitise heliga (või paremaga), failid võivad hüpata mitme GB-ni ainult introfilmi jaoks ... nii et kõigi sammude, välja arvatud ingliskeelne, eemaldamine on esimene samm.
  • Järgmisena nad kodeerivad ümber: nagu ma varem ütlesin, kujutage ette 5-minutilist 1080p või kõrgemat fmv-helikohta koos heliga, saate seda nimetada algseks 100% kodeeringuks, kodeerides video / heli uuesti väiksema bitikiirusega, näiteks 80%, säästate kohe 20% faili suurusest ... kvaliteet on vaevumärgatav (mõned ripperid teevad seda veelgi halvemini ... 50%, kuid enamik läheb tõelisest HD-st (1080) HD-ni (720) või tänapäeval 4k-st 2k-ni või 1080-ni ... saan mängu tasuta, nii et kes tõesti kaebab? nii et videokodeeringud võivad raskete mängude jaoks palju ruumi kokku hoida, aga kuidas on lood mängudes / mootorimängudes? nagu GTA V? no ma ei tea, kuidas neil õnnestus sellised ümber pakkida mängud. Kui teie arvuti pumpab teie heli läbi kolmanda osapoole stereo või võimendi + kõlarid 128–320 kbitit, kõlab MP3 ... vähemalt mängu jaoks ... nii et säästate jällegi heliruumist rohkem ruumi.

Paketi manipuleerimine:

kui olete kunagi oma mängude installimisest läbi vaadanud, olete kahtlemata näinud pak-faile või prügikasti või põhimõtteliselt suuri mitme GB-ga faile, millel on silt "helid" või "kõne", nii pakendavad mängud oma failid .. millel on sadade mp3-dega kõnefailide kaust, pakendavad nad kõik ühte faili ... keelefailide eemaldamisel peavad helirippurid üksikutele failidele juurdepääsemiseks need failid lahti pakkima, nendega manipuleerima ja seejärel need uuesti ühte faili pakkima on nii, et nad saaksid eemaldada failid, mida saab eemaldada, kodeerida uuesti need, mida tuleb ruumi kokkuhoiu huvides kokku tõmmata, või asendada need tühjade failidega, millel on sama nimi, kuid andmed puuduvad, nii et nad toimivad kataloogis kohahoidjatena .

Ja mis kõige tähtsam ... Kõrgema pakkimise tööriistad. me kõik teame, mis on zip / rar / 7z jne, need on meetodid failide tihendamiseks tihendamata versioonidest väiksemateks arhiivideks, pakkimise algusest peale on olnud parandusi ja meetodeid, mis teevad paremat tööd, kuid mõne muu hinnaga ressurss.

Pikk lugu, tänapäeval on tihendustööriistad nii head, et algsest mängust tuleb eemaldada väga vähe ..

ja nad riputavad isegi kogu mitmikmängu režiimi .. mis tänapäeval on ainus asi, mida mängu arendajad isegi vaevavad aega kulutama ... kadunud on ühe mängijaga fps mängud kampaaniatega, mis kestavad 10-20 tundi +. Devid kasutavad lihtsalt ühe mängija / võrguühenduseta mängijat põhiturniiri "mitme mängija" lisana, sest laseb sellega silmitsi seista, piraatlus ei suuda ikkagi mitme mängija režiimi usaldusväärselt murda, mängimise eest peate ikkagi maksma .. Serveri autentimine, ametlikud mängusüsteemid nagu aur / päritolu, kes kontrollivad / haldavad teie mängu seaduspärasust ja ühendavad teisi võrgus mängimiseks ...


Vastus 2:

Suurepärane viis selle selgitamiseks on analoogia.

Kujutage ette, et keerukate definitsioonide tähistamiseks lühikeste sõnade asemel pidime kõik kasutama keerukaid definitsioone. Tihendamine võtab keerukad ideed ja tihendab need väiksemateks sõnadeks.

Näiteks teeme mõne reaalse elu tihendamise.

Oletame, et mul on sõbrale saadetav lause:

"Mul on suur soov, et kõik inimesed alustaksid vaidlusteta kaubandus- ja äritehinguid suure kivi peal, mille peal me praegu elame."

See on üsna sõnakas lause, mis esindab ideed, et ma tahan maailmarahu, kuid mu sõber saab aru ainult nendest sõnadest ja mitte keerulisematest, mida me sagedamini kasutame. Ainuüksi ei saa me seda lauset palju lühemaks muuta, ilma et oleksime teadnud enam ühtegi sõna, mis on suurem kui pakutavad. Lühema lause saame genereerida, kui loome lühemate sõnade sõnastiku, mis esindab pikemaid fraase!

Sõnastik: Bobble: mul on suur tahtmine. Prillid: kõik inimesed Frithy: vaidlusteta kaubandus Hobot: äritehingud Maa: suur kivi, mille peal me praegu elame

Uus lause [sõnastikku kasutades] "Pöörake, et kaitseprillid hakkaksid Maa peal kohmetuma ja vaikselt minema."

Lause on kindlasti lühem! Kui sõber soovib lauset mõtestada, saab ta lihtsalt asendada sõnastikus olevad sõnad, mis lauses esinevad, nende vastava määratlusega ja asenduses ei kao teave!

Kahjuks ei muuda see tegelikult andmeid väiksemaks saatmiseks, lihtsalt see üksik lause. Seda seetõttu, et peame uuele lausele sõnastiku LISAKS saatma. See välistab uue lause eelise ja suurendab tegelikult edastatavate andmete kogumahtu.

Nii et võite mõelda, mis on analoogia mõte; ju me lihtsalt suurendasime andmete mahtu, mitte ei tihendanud neid.

Noh, see sõnastiku asendamise lähenemisviis ei toimi mustriteta andmestringide puhul. Öelge selle asemel, et mul oleks midagi sellist oma sõbrale saata:

"suur kivi, millel praegu elame. suur kivi, millel praegu elame. suur kivi, millel praegu elame. suur kivi, millel praegu elame. neliteist. suur kivi, milles me praegu oleme elus edasi. suur kivi, millel praegu elame. suur kivi, millel praegu elame. suur kivi, millel praegu elame. Lilla. "

Selles lauses on sama fraasi korratud kaheksa korda: midagi, mida sõnaraamat-asendamine võib meid aidata!

Sõnastik: E: "suur kivi, millel me praegu elus oleme".

Uus lause [sõnastikku kasutades] "EEEefourteen. EEEEPurple"

See on uskumatu suuruse erinevus, isegi kui lisate sõnastiku!

See sarnaneb tihenduse toimimisega arvutites: tihendusprogramm vaatab tavaliselt korduvate üksuste andmeid, loob selle jaoks sõnastikku kirje ja asendab seejärel iga korduva objekti esinemise mustrile vastava sõnaga. See on kadudeta tihendamise olemus. On ka mõnda muud tüüpi pakkimist, mis on spetsialiseerunud muudele ülesannetele, kuid see on üldine andmete tihendamine.

Erinevus teatud rakenduste failide tihendamise vahel on puhtalt rakenduse detail. Nad võistlevad, püüdes leida kiireimat või tõhusamat viisi mustrite leidmiseks ja sõnastiku kirjete loomiseks. Mõni programm ütleb, et see on nende viis, samas kui teine ​​ütleb, et see on teistmoodi. Parim kasutamiseks määratakse sageli selle järgi, millist tüüpi faile tihendate.


Vastus 3:

Üks lihtsamaid tihendusmeetodeid on

Kestus pikkusega

(RLE).

Oletame, et teil on tavalise sinise taustaga pilt. Selle asemel, et 1000 korda "sinist, sinist, sinist, ... sinist jne" salvestada, võiksite lihtsalt salvestada "1000, sinine" ja säästaksite palju ruumi. Kujutise dekodeerimisel loeb algoritm selle lihtsalt ette ja ütleb: "oh, see vajab sinist tuhat korda. Pole probleemi."

Muude värvidega ridade puhul võib see välja näha: "36, sinine, 73, punane, 42, magenta, 5, roheline, 86, hall ..." See on ikkagi parem kui iga üksiku piksli väärtuse salvestamine. Nii vähendate seda tehes pildi teabe salvestamiseks vajalike baitide hulka. Muidugi salvestatakse värve numbritega, mitte sõnadega, kuid saate idee.

See on näide kadudeta tihendamisest. Seda seetõttu, et saate dekodeerimise käigus täpse pildi välja tõmmata. See tähendab, et te ei kaota üldse teavet. See ei kehti ainult piltide kohta, vaid seda saab kasutada mis tahes failide tihendamiseks).

Samuti on kadunud pakkimine, kus teavet saab visata ja see on endiselt vastuvõetav. Mõelge pilvepildile. Jagage pilt väikesteks 8x8 plokkideks ja leiate, et mõnda neist saab gradiendiga ligikaudselt hinnata ja neid saab salvestada lihtsalt kahe värvi ja suunana. Pärispilti ei saa täpselt rekonstrueerida, kuid tulemus on inimsilmale vastuvõetav, seega on andmete suuruse vähendamine seda väärt.

Muusikat saab tihendada ka kaduva tihendusega ja see on endiselt kõrva jaoks vastuvõetav. Kuid muud tüüpi andmed ei saa endale lubada ühe biti teabe kaotamist. Arvutiprogramm tuleb täpselt ehitada, vastasel juhul käivitab programm kummalisi käske ja põhjustab süsteemi krahhi.

Tihendamine on oluline, sest see ei võta mitte ainult vähem ruumi mälus ja kettal, vaid on ka palju kiirem üle sidekanalite. Näiteks, mida rohkem pilte, helisid ja muid andmeid tihendatakse, seda kiiremini veebileht laaditakse.


Vastus 4:

Failide tihendamise taga pole algoritmi. Selle asemel kasutavad tihendusalgoritmid heuristikakogumit, mis praktikas teadaolevalt hästi töötab. Näiteks:

  • Huffmani kodeerimine vaatleb märkide / lühikeste stringide sagedusi ja tihendab sisendi, määrates lühematele koodidele sagedasemad objektid.
  • Run-length kodeering vaatleb asju, mis korduvad mitu korda järjest, ja kodeerib selle kui "korrake xy korda"
  • Lempel – Ziv – Welch ja sarnased tihendusalgoritmid koostavad sõnastiku stringidest, mida nad on juba sisendis näinud, ja siis kasutavad nad neid uuesti, kui mõned stringid korduvad. Tihendatud fail sisaldab juhiseid nagu "vaata 120 tähemärki tagasi ja kopeeri sealt 5 märki".
  • Burrows – Wheeleri teisendus on bzip2-s kasutatav "maagiline" pöördtringi teisendus. Teisendatud stringi saab tavaliselt paremini kokku pakkida, sest enne teisendamist sarnases kontekstis ilmunud asjad on pärast järjestikku. (Kui sel polnud mõtet, leppige julgelt sellega, et see võlub.)
  • Mõni tihendusalgoritm kasutab "metaheuristikat" :) Näiteks kaasaskantava võrgugraafika (PNG) pildi kokkusurumisel kõnnime kõigepealt pildi pikslite kaupa läbi ja proovime selle väärtust ennustatud pikslite järgi ennustada. Seejärel tihendame tegelike pikslite tihendamise asemel oma ennustuste vead (st kui palju oli ennustus välja lülitatud). Mida paremad on meie ennustused, seda lähemal on vead kõigile nullidele, seda lihtsam on neid kokku suruda.
  • Teised tihendusalgoritmid on kahjumis: faili tihendades kaotame teavet. Täpsemalt öeldes on meil tavaliselt kompromiss tihendatud faili suuruse ja tulemuse kvaliteedi vahel. Näiteks audioformaatides, näiteks MP3-vormingus, püüame põhimõtteliselt lähendada algset lainefunktsiooni lihtsate perioodiliste funktsioonide kogumiga (nt siinus). Mida rohkem neid kasutame, seda täpsemalt saame originaali ligikaudselt hinnata, kuid seda rohkem kettaruumi vajame. Sarnaseid kompromisse on piltide (nt JPEG) ja video (nt viimastel aastatel MPEG-4 ja paljude teiste) pakkimisel.

Lõpuks pange tähele, et me ei saa sellest paremat teha. Täpne (kadudeta) tihendamine näeb alati välja selline: see on alati häkkide kogu, mis töötab korralikult, sest meie algne viis teabe salvestamiseks oli ettearvataval viisil üleliigne. Isegi kui saame määratleda

optimaalne viis faili tihendamiseks

(st selle

Kolmogorovi keerukus

), saame ka tõestada, et sellist tihendamist ei saa algoritmiliselt arvutada.


Vastus 5:

Enamik tihendusprogramme kasutab

LZ adaptiivne sõnastikupõhine algoritm

failide kokkutõmbamiseks. "LZ" viitab

Lempel ja Ziv

, algoritmi loojad ja "sõnastik" viitavad meetodile

kataloogimine

andmeid. Enamikus maailma keeltes ilmuvad teatud tähed ja sõnad sageli sama mustriga. Selle suure koondamise määra tõttu

tekstifailid

väga hästi kokku suruma. Hea suurusega tekstifailile on tüüpiline vähendamine 50 protsenti või rohkem. Enamik

programmeerimiskeeled

on ka üleliigsed, kuna nad kasutavad suhteliselt väikest käskude kogumit, mis sageli lähevad kokku kindla mustrina. Failid, mis sisaldavad palju ainulaadset teavet, näiteks graafika või

MP3-failid

, ei saa selle süsteemiga eriti kokku suruda, kuna need ei korda palju mustreid (sellest lisateavet järgmises osas). Kui failil on palju korduvaid mustreid, suureneb vähendamise määr tavaliselt koos faili suurusega. Samuti võivad pikema töö käigus ilmneda levinumad mustrid, mis võimaldavad meil luua tõhusama sõnastiku.

See efektiivsus sõltub ka konkreetsest

algoritm

mida kasutab tihendusprogramm. Mõned programmid sobivad eriti mustrite kogumiseks teatud tüüpi failides ja võivad seetõttu neid lühemalt kokku suruda. Teistel on sõnaraamatutes sõnastikke, mis võivad suuremate failide jaoks tõhusalt tihendada, kuid väiksemate failide jaoks mitte. Ehkki kõik sedalaadi tihendusprogrammid töötavad sama põhiideega, on täitmisviisis tegelikult palju erinevusi. Programmeerijad üritavad alati paremat süsteemi üles ehitada.


Vastus 6:

Failide puhul, kus on vaja kadudeta tihendamist, on levinud tehnika umbes selline nagu Lempel-Ziv-Welch (LZW) algoritm, mis otsib failist korduvaid märgijadasid ja asendab need palju lühema bittide järjestusega. Samal ajal koostatakse sõnastik sellest, milline lühike bittmuster vastab pikemale järjestusele. See protsess kordub faili kaudu ja loob adaptiivselt kõige optimeerituma lühendatud järjestuste komplekti, mis on võimalik, nii et protsessi saab ümber pöörata, et algandmed rekonstrueerida nende täpsel kujul. Kompressiooniaste on otseselt seotud sellega, kui palju korduvaid järjestusi on võimalik avastada ja kui kaua need on. Teatud tüüpi failid pakuvad seetõttu kadudeta tihendamist paremini kui teised.

Failide puhul, mille puhul on lubatav kaodetu pakkimine, näiteks fotod, muusika ja video, kasutatakse erinevaid algoritme, mis võtavad arvesse inimese taju mudeleid, nii et rekonstrueeritud andmed ei ole originaali matemaatiliselt täpsed koopiad. Mõnede algandmete kadumine on hea algoritmi korral siiski originaali mõistlik versioon, nii et saadud rekonstrueerimist peab kasutaja endiselt vastuvõetavaks. Seda seetõttu, et algoritm töötab ainult selliste andmete eemaldamiseks, mis aitavad kaasa andmete vähem tajutavatele aspektidele (näiteks heli vaiksemad sagedusribad, mida valjemad ja silmapaistvamad peidavad.) Sellistes algoritmides saab rekonstrueerimise kvaliteeti tavaliselt parandada kaubeldes kõrgema kvaliteediga andmete väiksema kadumise astme (ja seetõttu ka tihendamise madalama efektiivsuse) vastu. Kuid „aktsepteeritavus“ on olemuselt subjektiivne meede ja mõned inimesed leiavad, et kadunud algoritmide tulemused on vastumeelsed saadud faili konkreetse maksimaalse lubatud suuruse / bitikiiruse juures, kus teised võivad samades seadetes märgata väikest erinevust või mitte mingit erinevust.


Vastus 7:

Saan sellele küsimusele hästi vastata :) Olen ise ümber pakkinud ... et saaksin teile midagi selgitada.

Internetis on ümberpakendamise meeskondadel oma spetsiaalne tööriistakomplekt konkreetse mängu failide tihendamiseks. Nad kasutavad failide suuruse tihendamiseks ja vähendamiseks erinevaid algoritme. Erinevate mängumootorite jaoks on tonni väikseid tööriistu. Internetis on mõned foorumid, kust leiate selliseid tööriistu.

Need tööriistad on loodud vastavalt konkreetse mängumootori konkreetses mängus esinevatele voogudele.

Räägin ühest levinumast meetodist, mida nad kasutavad, nimetan seda "eelpressimiseks". See hõlmab voogude tuvastamist ja dekompressimist ning seejärel tugevama algoritmi abil uuesti tihendamist.

Vaikimisi tihendatakse enamikus mängudes olevad mängufailid juba maksimaalses mahus, kasutades meetodit zlib või DEFLATE. Niisiis, tööriistu nagu WinRAR või WinZIP lihtsalt ei saa juba tihendatud failide tihendamiseks kasutada. Niisiis dekompresseerivad need zlib-voogud (tihendamata väljund on ilmselgelt suurem), seejärel kasutatakse nendel tihendamata voogudel faili suuruse märkimisväärseks vähendamiseks tugevamat pakkimismeetodit nagu LZMA. Nii saadakse paremad kokkusurumissuhted.

Lühidalt öeldes kasutame zlibi või DEFLATE asemel LZMA-d.

Ja nad kodeerivad videod uuesti 50% -ni bitikiirusega, et vähendada faili suurust, säilitades samas kvaliteedi. Sama tehakse ka helifailide puhul.

FYI on mõned neist kasutatavatest tööriistadest PRECOMP, SREP ja FreeArc

Aitäh.


Vastus 8:

Nad on väga nutikad inimesed. "Stseenid", mida tavaliselt nimetatakse piraadirühmadeks, näiteks Blackbox, Kaos Krew, RG Mechanix jne, kasutavad mängude kokkusurumiseks ilma palju kvaliteeti kaotamata erinevaid vahendeid.

Kokkusurumiseks kasutatavad vahendid on sarnased ZIP, 7Zip või WinRAR tihendusmeetodiga. See on korduvate koodide tuvastamine ja asendamine ainulaadsete aadresside ID-dega. Kuid stseenid ei peatu sellega.

Tüüpilise väljalaskega kaasneb NFO-fail. Selle laiend on .nfo ja selle saab avada märkmikus. Selles NFO-failis on kirjeldus selle kohta, kuidas neil õnnestus mäng kokku pakkida.

Kõige sagedamini kasutatakse tihendamiseks järgmisi tehnikaid: 1. Eemaldage liiga madala ja / või liiga kõrge eraldusvõimega tekstuuripaketid. Tekstuurid, mida me mängimise ajal näeme, tehakse tavaliselt iga resolutsiooni jaoks eraldi. Kõrgema eraldusvõimega eemaldamine säästab neile palju ruumi.

2. Lossy Video / Audio tihendamine. Heli bitikiiruse vähendamine, mida saab tuvastada ainult siis, kui teil on tipptasemel helisüsteem või olete audiofiil. Lõikestseenide eraldusvõime vähendamine. Eraldusvõime vähendamine suurendab jõudlust drastiliselt ja võtab vähem ruumi, kuna süsteem peab arvutama vähem piksleid.

3. Muude keelte kui inglise keel eemaldamine. See eemaldab lisaks subtiitrifailidele ja menüü kasutajaliidese stringidele ka suured helifailid. Pidage meeles neid kordi, kui Game CD-dele anti võimalus installiprogrammi ajal helifaile CD-lt lugeda. Heli, mida kasutatakse suurema osa installimisruumist.

Kommenteerige, kui mul on midagi vahele jäänud, olen kindel, et mul on. VASTUVÕTU: Kui mäng teile meeldib, ostke see ja toetage arendajaid.


Vastus 9:

Nad kasutavad erinevaid tihendusmeetodeid.

Toon teile näite lihtsast tehnikast. Seda nimetatakse huffmani maksimaalse dispersiooni tehnikaks.

Siin lugesite kõigepealt faili ja leidke siis iga sümboli esinemise tõenäosus selles failis .. ja kirjutage see kahanevas järjekorras. Niisiis, failis kõige sagedamini esinev sümbol on ülaosas. [Siin, sümbol A]

Ühendage vähemalt kaks tõenäosust ja tehke uus ajutine sümbol. [Siin saab D ja E ühendamisel sümbol E '(joonisel pole näidatud, ajutine sümbol on lihtsalt teie mugavuse huvides)]

Tehke seda seni, kuni sümboleid on ainult kaks.

Nüüd näeb see teie puu välja selline.

A '

A B "

B 'C' BCDE

Määrake haru vähem külg 0-ni ja haru parem külg 1-ks.

Nüüd,

Koodisõna A = 0. Koodisõna B = 100 Koodisõna C = 101 Koodisõna D = 110 Koodisõna E = 111.

Kui oletame, et teie fail oli AAAABCDE. Siin esineb sümbol A kõige rohkem.

Enne tihendamist saadate iga sümboli jaoks 8 bitti. See saab olema 64 bitti.

Pärast tihendamist saadate 0 0 0 0 100 101 110 111. See on ainult 20 bitti.

Võite kasutada ka muid tehnikaid, näiteks LZ77, LZSS või LZ78 lähenemist.


Vastus 10:

Oletame, et soovite oma riided kotti pakkida. Esimesel katsel proovite kõik oma riided kotti toppida ja näete, et mõned riided on välja jäetud. Siis tuleb üks su sõber ja voldib kõik riided kokku, nüüd mahub kotti veel riideid. Kolmas sõber vaatab teie kotti ja ütleb, et tal on parem viis riideid teie kotti paigutada kui teisel sõbral. Seda proovides näete, et nüüd mahub kotti rohkem riideid kui varem.

Andmete tihendamine on ülaltoodud stsenaariumiga väga sarnane. Selle eesmärk on oma andmete parem voltimine või esitamine nii, et rohkem ruumi mahuks antud ruumi või etteantud andmehulk võtab palju vähem ruumi kui vaja.

Mõelgem lihtsale algoritmile nagu RLE või Run Length Encoding. Oletame, et algandmed on

AAAAABBBBBCCCCC

Nüüd töötab RLE, asendades rea tähemärki tähemärgi ja selle pikkusega. Nii et nüüd selle rakendamisel saame

A5B5C5

Mis on palju väiksem kui algne string. Sarnaselt on mitmeid algoritme, nagu aritmeetiline kodeerimine, Lempel-Ziv jne, mis esindavad andmeid paremini, vähendades nii algandmete suurust. Üldiselt kasutavad sellised tarkvara nagu winzip andmete kokkusurumiseks ühe või mitme sellise algoritmi kombinatsiooni


Vastus 11:

Võtame näiteks Genesise alguse. Siin on esimesed viis lauset:

Alguses lõi Jumal taeva ja maa. Ja maa oli vormitu ja tühi; ja pimedus oli sügaval. Ja Jumala Vaim liikus veepinnal. Ja Jumal ütles: 'Saagu valgus ja valgust!' Ja Jumal nägi valgust, et see oli hea, ja Jumal eraldas valguse pimedusest.

Kuidas saaksime selle lõigu kokku suruda? Siin on idee; võtame kõige sagedamini esinevad sõnad ja asendame need nende sageduse järjekorraga. Nii et saame need asendused või register:

: 1 ja: 2 Jumal: 3 oli: 4 valgus: 5/6 maa: 7 pimedus: 8 kell 9.

sellest tuleneva lõiguga:

1 alguses lõi 2 1 taeva 2 1 7. 2 1 7 4 ilma vormita, 2 tühine; 2 8 4 9 1 nägu 6 1 sügav. 2 1 Vaim 6 3 liigutas 9 1 nägu 6 1 vett. 2 3 ütles: Olgu seal 5 2 4 5 2 2 3 nägi 1 5, et see oleks 4 head: 2 3 jagas 1 5 1 8-st.

Näete, et see on oluliselt lühem. Lisage sellele ülaltoodud register ja bingo, olete faili tihendanud. Lisatud register võimaldab rekonstrueerida algse lõigu.

Nii et tihendamiseks leiame originaalfailist pikad korduvad tükid ja asendame need siis lühikeste asendusstringidega. Lisame registri, et saaks algteksti rekonstrueerida.

Kui failid suurenevad, muutub indeks suhteliselt väiksemaks ja asendustest saadav kasu suureneb. Algoritmid töötavad välja üksikasjad nende parimate asendusstringide ja nende optimaalsete asenduste kohta.