ਹਾਰਡ ਡਿਸਕ ਸਪੇਸ ਬਚਾਉਣ ਲਈ ਇੱਕ ਅਜੀਬ ਢੰਗ ਬਾਰੇ

ਇੱਕ ਹੋਰ ਉਪਭੋਗਤਾ ਹਾਰਡ ਡਰਾਈਵ ਵਿੱਚ ਡੇਟਾ ਦਾ ਇੱਕ ਨਵਾਂ ਟੁਕੜਾ ਲਿਖਣਾ ਚਾਹੁੰਦਾ ਹੈ, ਪਰ ਉਸ ਕੋਲ ਅਜਿਹਾ ਕਰਨ ਲਈ ਲੋੜੀਂਦੀ ਖਾਲੀ ਥਾਂ ਨਹੀਂ ਹੈ। ਮੈਂ ਕੁਝ ਵੀ ਮਿਟਾਉਣਾ ਨਹੀਂ ਚਾਹੁੰਦਾ, ਕਿਉਂਕਿ "ਹਰ ਚੀਜ਼ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਅਤੇ ਜ਼ਰੂਰੀ ਹੈ।" ਅਤੇ ਸਾਨੂੰ ਇਸ ਨਾਲ ਕੀ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?

ਕਿਸੇ ਨੂੰ ਵੀ ਇਹ ਸਮੱਸਿਆ ਨਹੀਂ ਹੈ। ਸਾਡੀਆਂ ਹਾਰਡ ਡਰਾਈਵਾਂ 'ਤੇ ਟੈਰਾਬਾਈਟ ਜਾਣਕਾਰੀ ਹੈ, ਅਤੇ ਇਹ ਮਾਤਰਾ ਘੱਟਦੀ ਨਹੀਂ ਹੈ। ਪਰ ਇਹ ਕਿੰਨਾ ਵਿਲੱਖਣ ਹੈ? ਅੰਤ ਵਿੱਚ, ਸਾਰੀਆਂ ਫਾਈਲਾਂ ਇੱਕ ਨਿਸ਼ਚਤ ਲੰਬਾਈ ਦੇ ਬਿੱਟਾਂ ਦੇ ਸੈੱਟ ਹਨ ਅਤੇ, ਸੰਭਾਵਤ ਤੌਰ ਤੇ, ਨਵੀਂ ਇੱਕ ਪਹਿਲਾਂ ਤੋਂ ਸਟੋਰ ਕੀਤੀ ਗਈ ਇੱਕ ਨਾਲੋਂ ਬਹੁਤ ਵੱਖਰੀ ਨਹੀਂ ਹੈ.

ਇਹ ਸਪੱਸ਼ਟ ਹੈ ਕਿ ਇੱਕ ਹਾਰਡ ਡਰਾਈਵ 'ਤੇ ਪਹਿਲਾਂ ਹੀ ਸਟੋਰ ਕੀਤੀ ਜਾਣਕਾਰੀ ਦੇ ਟੁਕੜਿਆਂ ਦੀ ਖੋਜ ਕਰਨਾ, ਜੇਕਰ ਅਸਫਲਤਾ ਨਹੀਂ ਹੈ, ਤਾਂ ਘੱਟੋ ਘੱਟ ਇੱਕ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਕੰਮ ਨਹੀਂ ਹੈ. ਦੂਜੇ ਪਾਸੇ, ਜੇਕਰ ਅੰਤਰ ਛੋਟਾ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਇਸਨੂੰ ਥੋੜਾ ਐਡਜਸਟ ਕਰ ਸਕਦੇ ਹੋ ...

TL;DR - JPEG ਫਾਈਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਡੇਟਾ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਦੇ ਇੱਕ ਅਜੀਬ ਢੰਗ ਬਾਰੇ ਗੱਲ ਕਰਨ ਦੀ ਦੂਜੀ ਕੋਸ਼ਿਸ਼, ਹੁਣ ਇੱਕ ਹੋਰ ਸਮਝਣ ਯੋਗ ਰੂਪ ਵਿੱਚ.

ਬਿੱਟ ਅਤੇ ਅੰਤਰ ਬਾਰੇ

ਜੇਕਰ ਤੁਸੀਂ ਡੇਟਾ ਦੇ ਦੋ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬੇਤਰਤੀਬੇ ਟੁਕੜੇ ਲੈਂਦੇ ਹੋ, ਤਾਂ ਔਸਤਨ ਅੱਧੇ ਬਿੱਟ ਉਹਨਾਂ ਵਿੱਚ ਮੇਲ ਖਾਂਦੇ ਹਨ। ਦਰਅਸਲ, ਹਰੇਕ ਜੋੜਾ ('00, 01, 10, 11′) ਲਈ ਸੰਭਾਵਿਤ ਖਾਕੇ ਵਿੱਚੋਂ, ਬਿਲਕੁਲ ਅੱਧੇ ਦੇ ਇੱਕੋ ਜਿਹੇ ਮੁੱਲ ਹਨ, ਇੱਥੇ ਸਭ ਕੁਝ ਸਧਾਰਨ ਹੈ।

ਪਰ ਬੇਸ਼ੱਕ, ਜੇਕਰ ਅਸੀਂ ਸਿਰਫ਼ ਦੋ ਫਾਈਲਾਂ ਲੈਂਦੇ ਹਾਂ ਅਤੇ ਇੱਕ ਨੂੰ ਦੂਜੀ ਵਿੱਚ ਫਿੱਟ ਕਰਦੇ ਹਾਂ, ਤਾਂ ਅਸੀਂ ਉਹਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਗੁਆ ਦੇਵਾਂਗੇ। ਜੇਕਰ ਅਸੀਂ ਤਬਦੀਲੀਆਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਦੇ ਹਾਂ, ਤਾਂ ਅਸੀਂ ਸਿਰਫ਼ ਮੁੜ ਖੋਜ ਕਰਾਂਗੇ ਡੈਲਟਾ ਇੰਕੋਡਿੰਗ, ਜੋ ਸਾਡੇ ਬਿਨਾਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਮੌਜੂਦ ਹੈ, ਹਾਲਾਂਕਿ ਇਹ ਆਮ ਤੌਰ 'ਤੇ ਉਸੇ ਉਦੇਸ਼ਾਂ ਲਈ ਨਹੀਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। ਅਸੀਂ ਇੱਕ ਛੋਟੇ ਕ੍ਰਮ ਨੂੰ ਇੱਕ ਵੱਡੇ ਵਿੱਚ ਏਮਬੈਡ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਸਕਦੇ ਹਾਂ, ਪਰ ਫਿਰ ਵੀ ਜੇਕਰ ਅਸੀਂ ਇਸਨੂੰ ਹਰ ਚੀਜ਼ ਦੇ ਨਾਲ ਲਾਪਰਵਾਹੀ ਨਾਲ ਵਰਤਦੇ ਹਾਂ ਤਾਂ ਸਾਨੂੰ ਡੇਟਾ ਦੇ ਨਾਜ਼ੁਕ ਹਿੱਸਿਆਂ ਨੂੰ ਗੁਆਉਣ ਦਾ ਜੋਖਮ ਹੁੰਦਾ ਹੈ।

ਫਿਰ ਕੀ ਅਤੇ ਕਿਸ ਦੇ ਵਿਚਕਾਰ ਅੰਤਰ ਨੂੰ ਖਤਮ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ? ਖੈਰ, ਯਾਨੀ ਉਪਭੋਗਤਾ ਦੁਆਰਾ ਲਿਖੀ ਗਈ ਇੱਕ ਨਵੀਂ ਫਾਈਲ ਬਿੱਟਾਂ ਦਾ ਇੱਕ ਕ੍ਰਮ ਹੈ, ਜਿਸ ਨਾਲ ਅਸੀਂ ਆਪਣੇ ਆਪ ਕੁਝ ਨਹੀਂ ਕਰ ਸਕਦੇ ਹਾਂ। ਫਿਰ ਤੁਹਾਨੂੰ ਹਾਰਡ ਡਰਾਈਵ 'ਤੇ ਅਜਿਹੇ ਬਿੱਟ ਲੱਭਣ ਦੀ ਜ਼ਰੂਰਤ ਹੈ ਕਿ ਉਹਨਾਂ ਨੂੰ ਫਰਕ ਸਟੋਰ ਕੀਤੇ ਬਿਨਾਂ ਬਦਲਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਤਾਂ ਜੋ ਤੁਸੀਂ ਗੰਭੀਰ ਨਤੀਜਿਆਂ ਤੋਂ ਬਿਨਾਂ ਉਹਨਾਂ ਦੇ ਨੁਕਸਾਨ ਤੋਂ ਬਚ ਸਕੋ। ਅਤੇ ਇਹ ਸਿਰਫ FS 'ਤੇ ਹੀ ਫਾਈਲ ਨੂੰ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਇਸ ਦੇ ਅੰਦਰ ਕੁਝ ਘੱਟ ਸੰਵੇਦਨਸ਼ੀਲ ਜਾਣਕਾਰੀ ਨੂੰ ਬਦਲਣ ਦਾ ਅਰਥ ਰੱਖਦਾ ਹੈ। ਪਰ ਕਿਹੜਾ ਅਤੇ ਕਿਵੇਂ?

ਫਿਟਿੰਗ ਢੰਗ

ਨੁਕਸਾਨਦੇਹ ਕੰਪਰੈੱਸਡ ਫਾਈਲਾਂ ਬਚਾਅ ਲਈ ਆਉਂਦੀਆਂ ਹਨ. ਇਹ ਸਾਰੇ jpegs, mp3s ਅਤੇ ਹੋਰ, ਹਾਲਾਂਕਿ ਨੁਕਸਾਨਦੇਹ ਕੰਪਰੈਸ਼ਨ ਵਿੱਚ, ਬਿੱਟਾਂ ਦਾ ਇੱਕ ਸਮੂਹ ਹੁੰਦਾ ਹੈ ਜੋ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਬਦਲਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਉੱਨਤ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਸੰਭਵ ਹੈ ਜੋ ਏਨਕੋਡਿੰਗ ਦੇ ਵੱਖ-ਵੱਖ ਪੜਾਵਾਂ 'ਤੇ ਆਪਣੇ ਭਾਗਾਂ ਨੂੰ ਅਪ੍ਰਤੱਖ ਰੂਪ ਵਿੱਚ ਸੋਧਦੀਆਂ ਹਨ। ਉਡੀਕ ਕਰੋ। ਉੱਨਤ ਤਕਨੀਕਾਂ... ਅਦ੍ਰਿਸ਼ਟ ਸੋਧ... ਇੱਕ ਤੋਂ ਦੂਜੇ ਵਿੱਚ... ਇਹ ਲਗਭਗ ਇਸ ਤਰ੍ਹਾਂ ਹੈ ਸਟੈਗਨੋਗ੍ਰਾਫੀ!

ਦਰਅਸਲ, ਇੱਕ ਜਾਣਕਾਰੀ ਨੂੰ ਦੂਜੀ ਵਿੱਚ ਜੋੜਨਾ ਉਸਦੇ ਤਰੀਕਿਆਂ ਦੀ ਯਾਦ ਦਿਵਾਉਂਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਹੋਰ ਕੁਝ ਨਹੀਂ। ਮੈਂ ਮਨੁੱਖੀ ਸੰਵੇਦਨਾਵਾਂ ਵਿੱਚ ਕੀਤੀਆਂ ਤਬਦੀਲੀਆਂ ਦੀ ਅਦ੍ਰਿਸ਼ਟਤਾ ਤੋਂ ਵੀ ਪ੍ਰਭਾਵਿਤ ਹਾਂ. ਜਿੱਥੇ ਰਸਤੇ ਵੱਖੋ-ਵੱਖਰੇ ਹੁੰਦੇ ਹਨ ਉਹ ਗੁਪਤਤਾ ਵਿੱਚ ਹੁੰਦੇ ਹਨ: ਸਾਡਾ ਕੰਮ ਉਪਭੋਗਤਾ ਨੂੰ ਉਸਦੀ ਹਾਰਡ ਡਰਾਈਵ ਵਿੱਚ ਵਾਧੂ ਜਾਣਕਾਰੀ ਦਾਖਲ ਕਰਨ ਲਈ ਆਉਂਦਾ ਹੈ; ਇਹ ਸਿਰਫ ਉਸਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਾਏਗਾ। ਉਹ ਫੇਰ ਭੁੱਲ ਜਾਵੇਗਾ।

ਇਸ ਲਈ, ਭਾਵੇਂ ਅਸੀਂ ਇਹਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਾਂ, ਸਾਨੂੰ ਕੁਝ ਸੋਧਾਂ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਅਤੇ ਫਿਰ ਮੈਂ ਉਹਨਾਂ ਨੂੰ ਮੌਜੂਦਾ ਤਰੀਕਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਦੀ ਉਦਾਹਰਣ ਅਤੇ ਇੱਕ ਆਮ ਫਾਈਲ ਫਾਰਮੈਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਦੱਸਾਂਗਾ ਅਤੇ ਦਿਖਾਵਾਂਗਾ।

ਗਿੱਦੜਾਂ ਬਾਰੇ

ਜੇ ਤੁਸੀਂ ਸੱਚਮੁੱਚ ਇਸ ਨੂੰ ਨਿਚੋੜਦੇ ਹੋ, ਤਾਂ ਇਹ ਦੁਨੀਆ ਦੀ ਸਭ ਤੋਂ ਸੰਕੁਚਿਤ ਚੀਜ਼ ਹੈ। ਅਸੀਂ, ਬੇਸ਼ਕ, ਜੇਪੀਈਜੀ ਫਾਈਲਾਂ ਬਾਰੇ ਗੱਲ ਕਰ ਰਹੇ ਹਾਂ. ਇਸ ਵਿੱਚ ਡੇਟਾ ਨੂੰ ਏਮਬੈਡ ਕਰਨ ਲਈ ਨਾ ਸਿਰਫ ਬਹੁਤ ਸਾਰੇ ਟੂਲ ਅਤੇ ਮੌਜੂਦਾ ਤਰੀਕੇ ਹਨ, ਪਰ ਇਹ ਇਸ ਗ੍ਰਹਿ 'ਤੇ ਸਭ ਤੋਂ ਪ੍ਰਸਿੱਧ ਗ੍ਰਾਫਿਕਸ ਫਾਰਮੈਟ ਹੈ।

ਹਾਲਾਂਕਿ, ਕੁੱਤੇ ਦੇ ਪ੍ਰਜਨਨ ਵਿੱਚ ਸ਼ਾਮਲ ਨਾ ਹੋਣ ਲਈ, ਤੁਹਾਨੂੰ ਇਸ ਫਾਰਮੈਟ ਦੀਆਂ ਫਾਈਲਾਂ ਵਿੱਚ ਆਪਣੀ ਗਤੀਵਿਧੀ ਦੇ ਖੇਤਰ ਨੂੰ ਸੀਮਤ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਕੋਈ ਵੀ ਮੋਨੋਕ੍ਰੋਮ ਵਰਗਾਂ ਨੂੰ ਪਸੰਦ ਨਹੀਂ ਕਰਦਾ ਜੋ ਬਹੁਤ ਜ਼ਿਆਦਾ ਕੰਪਰੈਸ਼ਨ ਦੇ ਕਾਰਨ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ, ਇਸ ਲਈ ਤੁਹਾਨੂੰ ਪਹਿਲਾਂ ਤੋਂ ਹੀ ਸੰਕੁਚਿਤ ਫਾਈਲ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਆਪਣੇ ਆਪ ਨੂੰ ਸੀਮਤ ਕਰਨ ਦੀ ਲੋੜ ਹੈ, ਰੀਕੋਡਿੰਗ ਤੋਂ ਬਚਣਾ. ਵਧੇਰੇ ਖਾਸ ਤੌਰ 'ਤੇ, ਪੂਰਨ ਅੰਕ ਗੁਣਾਂਕ ਦੇ ਨਾਲ, ਜੋ ਕਿ ਡੇਟਾ ਦੇ ਨੁਕਸਾਨ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਓਪਰੇਸ਼ਨਾਂ ਤੋਂ ਬਾਅਦ ਰਹਿੰਦੇ ਹਨ - ਡੀਸੀਟੀ ਅਤੇ ਕੁਆਂਟਾਇਜ਼ੇਸ਼ਨ, ਜੋ ਕਿ ਐਨਕੋਡਿੰਗ ਸਕੀਮ ਵਿੱਚ ਪੂਰੀ ਤਰ੍ਹਾਂ ਪ੍ਰਦਰਸ਼ਿਤ ਹੁੰਦਾ ਹੈ (ਬੌਮਨ ਨੈਸ਼ਨਲ ਲਾਇਬ੍ਰੇਰੀ ਦੇ ਵਿਕੀ ਦਾ ਧੰਨਵਾਦ):

ਜੇਪੀਈਜੀ ਫਾਈਲਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਬਹੁਤ ਸਾਰੇ ਸੰਭਵ ਤਰੀਕੇ ਹਨ। ਨੁਕਸਾਨ ਰਹਿਤ ਅਨੁਕੂਲਨ (jpegtran) ਹੈ, ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਹੈ "ਕੋਈ ਨੁਕਸਾਨ ਨਹੀਂ", ਜੋ ਅਸਲ ਵਿੱਚ ਕੁਝ ਹੋਰ ਯੋਗਦਾਨ ਪਾਉਂਦੇ ਹਨ, ਪਰ ਅਸੀਂ ਉਹਨਾਂ ਦੀ ਪਰਵਾਹ ਨਹੀਂ ਕਰਦੇ। ਆਖ਼ਰਕਾਰ, ਜੇਕਰ ਉਪਭੋਗਤਾ ਖਾਲੀ ਡਿਸਕ ਸਪੇਸ ਨੂੰ ਵਧਾਉਣ ਲਈ ਇੱਕ ਜਾਣਕਾਰੀ ਨੂੰ ਦੂਜੀ ਵਿੱਚ ਏਮਬੇਡ ਕਰਨ ਲਈ ਤਿਆਰ ਹੈ, ਤਾਂ ਉਸਨੇ ਜਾਂ ਤਾਂ ਆਪਣੀਆਂ ਤਸਵੀਰਾਂ ਨੂੰ ਬਹੁਤ ਸਮਾਂ ਪਹਿਲਾਂ ਅਨੁਕੂਲ ਬਣਾਇਆ, ਜਾਂ ਗੁਣਵੱਤਾ ਦੇ ਨੁਕਸਾਨ ਦੇ ਡਰ ਤੋਂ ਅਜਿਹਾ ਨਹੀਂ ਕਰਨਾ ਚਾਹੁੰਦਾ.

F5

ਐਲਗੋਰਿਦਮ ਦਾ ਇੱਕ ਪੂਰਾ ਪਰਿਵਾਰ ਇਹਨਾਂ ਸ਼ਰਤਾਂ ਨੂੰ ਫਿੱਟ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਤੁਸੀਂ ਆਪਣੇ ਆਪ ਨੂੰ ਜਾਣੂ ਕਰ ਸਕਦੇ ਹੋ ਇਸ ਵਧੀਆ ਪੇਸ਼ਕਾਰੀ ਵਿੱਚ. ਉਹਨਾਂ ਵਿੱਚੋਂ ਸਭ ਤੋਂ ਉੱਨਤ ਐਲਗੋਰਿਦਮ ਹੈ F5 ਐਂਡਰੀਅਸ ਵੈਸਟਫੀਲਡ ਦੁਆਰਾ, ਚਮਕ ਦੇ ਹਿੱਸੇ ਦੇ ਗੁਣਾਂ ਨਾਲ ਕੰਮ ਕਰਦੇ ਹੋਏ, ਕਿਉਂਕਿ ਮਨੁੱਖੀ ਅੱਖ ਇਸ ਦੀਆਂ ਤਬਦੀਲੀਆਂ ਪ੍ਰਤੀ ਸਭ ਤੋਂ ਘੱਟ ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦੀ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਹ ਮੈਟ੍ਰਿਕਸ ਏਨਕੋਡਿੰਗ 'ਤੇ ਅਧਾਰਤ ਇੱਕ ਏਮਬੈਡਿੰਗ ਤਕਨੀਕ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਜਾਣਕਾਰੀ ਦੀ ਸਮਾਨ ਮਾਤਰਾ ਨੂੰ ਏਮਬੈਡ ਕਰਨ ਵੇਲੇ ਘੱਟ ਤਬਦੀਲੀਆਂ ਕਰਨਾ ਸੰਭਵ ਬਣਾਉਂਦਾ ਹੈ, ਵਰਤੇ ਗਏ ਕੰਟੇਨਰ ਦਾ ਆਕਾਰ ਜਿੰਨਾ ਵੱਡਾ ਹੋਵੇਗਾ।

ਤਬਦੀਲੀਆਂ ਆਪਣੇ ਆਪ ਵਿੱਚ ਗੁਣਾਂ ਦੇ ਸੰਪੂਰਨ ਮੁੱਲ ਨੂੰ ਕੁਝ ਸ਼ਰਤਾਂ (ਜੋ ਕਿ ਹਮੇਸ਼ਾ ਨਹੀਂ) ਦੇ ਅਧੀਨ ਇੱਕ ਦੁਆਰਾ ਘਟਾਉਣ ਲਈ ਉਬਾਲਦੀਆਂ ਹਨ, ਜੋ ਤੁਹਾਨੂੰ ਤੁਹਾਡੀ ਹਾਰਡ ਡਰਾਈਵ ਉੱਤੇ ਡਾਟਾ ਸਟੋਰੇਜ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ F5 ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀਆਂ ਹਨ। ਬਿੰਦੂ ਇਹ ਹੈ ਕਿ ਅਜਿਹੇ ਬਦਲਾਅ ਤੋਂ ਬਾਅਦ ਗੁਣਾਂਕ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ JPEG ਵਿੱਚ ਮੁੱਲਾਂ ਦੀ ਅੰਕੜਾ ਵੰਡ ਦੇ ਕਾਰਨ ਹਫਮੈਨ ਏਨਕੋਡਿੰਗ ਤੋਂ ਬਾਅਦ ਘੱਟ ਬਿੱਟਾਂ 'ਤੇ ਕਬਜ਼ਾ ਕਰੇਗਾ, ਅਤੇ ਨਵੇਂ ਜ਼ੀਰੋ RLE ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਉਹਨਾਂ ਨੂੰ ਏਨਕੋਡਿੰਗ ਕਰਨ ਵੇਲੇ ਇੱਕ ਲਾਭ ਦੇਵੇਗਾ।

ਜ਼ਰੂਰੀ ਸੋਧਾਂ ਗੁਪਤਤਾ (ਪਾਸਵਰਡ ਪੁਨਰਗਠਨ) ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹਿੱਸੇ ਨੂੰ ਖਤਮ ਕਰਨ ਲਈ ਉਬਾਲਦੀਆਂ ਹਨ, ਜੋ ਸਰੋਤਾਂ ਅਤੇ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਸਮੇਂ ਨੂੰ ਬਚਾਉਂਦੀਆਂ ਹਨ, ਅਤੇ ਇੱਕ ਸਮੇਂ ਵਿੱਚ ਇੱਕ ਦੀ ਬਜਾਏ ਕਈ ਫਾਈਲਾਂ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਇੱਕ ਵਿਧੀ ਜੋੜਦੀ ਹੈ। ਪਾਠਕ ਦੀ ਤਬਦੀਲੀ ਦੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਵਧੇਰੇ ਵਿਸਤਾਰ ਵਿੱਚ ਦਿਲਚਸਪੀ ਲੈਣ ਦੀ ਸੰਭਾਵਨਾ ਨਹੀਂ ਹੈ, ਇਸ ਲਈ ਆਓ ਲਾਗੂ ਕਰਨ ਦੇ ਵਰਣਨ ਵੱਲ ਵਧੀਏ।

ਉੱਚ ਤਕਨੀਕ

ਇਹ ਦਰਸਾਉਣ ਲਈ ਕਿ ਇਹ ਪਹੁੰਚ ਕਿਵੇਂ ਕੰਮ ਕਰਦੀ ਹੈ, ਮੈਂ ਵਿਧੀ ਨੂੰ ਸ਼ੁੱਧ C ਵਿੱਚ ਲਾਗੂ ਕੀਤਾ ਹੈ ਅਤੇ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਸਪੀਡ ਅਤੇ ਮੈਮੋਰੀ ਦੇ ਰੂਪ ਵਿੱਚ ਕਈ ਅਨੁਕੂਲਤਾਵਾਂ ਕੀਤੀਆਂ ਹਨ (ਤੁਸੀਂ ਕਲਪਨਾ ਨਹੀਂ ਕਰ ਸਕਦੇ ਕਿ ਇਹ ਤਸਵੀਰਾਂ ਕੰਪਰੈਸ਼ਨ ਤੋਂ ਬਿਨਾਂ, DCT ਤੋਂ ਪਹਿਲਾਂ ਵੀ ਕਿੰਨੀਆਂ ਹਨ)। ਲਾਇਬ੍ਰੇਰੀਆਂ ਦੇ ਸੁਮੇਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪ੍ਰਾਪਤ ਕੀਤਾ ਕ੍ਰਾਸ-ਪਲੇਟਫਾਰਮ libjpeg, ਪੀਸੀਆਰ и tinydir, ਜਿਸ ਲਈ ਅਸੀਂ ਉਹਨਾਂ ਦਾ ਧੰਨਵਾਦ ਕਰਦੇ ਹਾਂ। ਇਹ ਸਭ 'ਮੇਕ' ਦੁਆਰਾ ਇਕੱਠਾ ਕੀਤਾ ਗਿਆ ਹੈ, ਇਸ ਲਈ ਵਿੰਡੋਜ਼ ਉਪਭੋਗਤਾ ਮੁਲਾਂਕਣ ਲਈ ਆਪਣੇ ਲਈ ਕੁਝ ਸਾਈਗਵਿਨ ਸਥਾਪਤ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਨ, ਜਾਂ ਵਿਜ਼ੂਅਲ ਸਟੂਡੀਓ ਅਤੇ ਲਾਇਬ੍ਰੇਰੀਆਂ ਨਾਲ ਆਪਣੇ ਆਪ ਡੀਲ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਨ।

ਲਾਗੂ ਕਰਨਾ ਇੱਕ ਕੰਸੋਲ ਉਪਯੋਗਤਾ ਅਤੇ ਲਾਇਬ੍ਰੇਰੀ ਦੇ ਰੂਪ ਵਿੱਚ ਉਪਲਬਧ ਹੈ। ਉਹ ਦਿਲਚਸਪੀ ਰੱਖਣ ਵਾਲੇ Github 'ਤੇ ਰਿਪੋਜ਼ਟਰੀ ਵਿੱਚ ਰੀਡਮੀ ਵਿੱਚ ਬਾਅਦ ਵਾਲੇ ਦੀ ਵਰਤੋਂ ਕਰਨ ਬਾਰੇ ਹੋਰ ਜਾਣ ਸਕਦੇ ਹਨ, ਜਿਸਦਾ ਲਿੰਕ ਮੈਂ ਪੋਸਟ ਦੇ ਅੰਤ ਵਿੱਚ ਨੱਥੀ ਕਰਾਂਗਾ।

ਕਿਸ ਨੂੰ ਵਰਤਣ ਲਈ?

ਧਿਆਨ ਨਾਲ. ਪੈਕੇਜਿੰਗ ਲਈ ਵਰਤੀਆਂ ਗਈਆਂ ਤਸਵੀਰਾਂ ਨੂੰ ਦਿੱਤੀ ਗਈ ਰੂਟ ਡਾਇਰੈਕਟਰੀ ਵਿੱਚ ਰੈਗੂਲਰ ਸਮੀਕਰਨ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਖੋਜ ਕਰਕੇ ਚੁਣਿਆ ਜਾਂਦਾ ਹੈ। ਮੁਕੰਮਲ ਹੋਣ 'ਤੇ, ਫਾਈਲਾਂ ਨੂੰ ਇਸ ਦੀਆਂ ਸੀਮਾਵਾਂ ਦੇ ਅੰਦਰ ਆਪਣੀ ਮਰਜ਼ੀ ਨਾਲ ਤਬਦੀਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਨਾਮ ਬਦਲਿਆ ਅਤੇ ਕਾਪੀ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਫਾਈਲ ਅਤੇ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮਾਂ ਨੂੰ ਬਦਲਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਆਦਿ। ਹਾਲਾਂਕਿ, ਤੁਹਾਨੂੰ ਬਹੁਤ ਸਾਵਧਾਨ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਕਿਸੇ ਵੀ ਤਰੀਕੇ ਨਾਲ ਤੁਰੰਤ ਸਮੱਗਰੀ ਨੂੰ ਨਹੀਂ ਬਦਲਣਾ ਚਾਹੀਦਾ ਹੈ। ਇੱਕ ਬਿੱਟ ਦਾ ਮੁੱਲ ਗੁਆਉਣ ਨਾਲ ਜਾਣਕਾਰੀ ਨੂੰ ਮੁੜ ਪ੍ਰਾਪਤ ਕਰਨਾ ਅਸੰਭਵ ਹੋ ਸਕਦਾ ਹੈ।

ਪੂਰਾ ਹੋਣ 'ਤੇ, ਉਪਯੋਗਤਾ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਆਰਕਾਈਵ ਫਾਈਲ ਛੱਡਦੀ ਹੈ ਜਿਸ ਵਿੱਚ ਅਨਪੈਕ ਕਰਨ ਲਈ ਲੋੜੀਂਦੀ ਸਾਰੀ ਜਾਣਕਾਰੀ ਹੁੰਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਵਰਤੇ ਗਏ ਚਿੱਤਰਾਂ ਬਾਰੇ ਡੇਟਾ ਵੀ ਸ਼ਾਮਲ ਹੈ। ਆਪਣੇ ਆਪ ਵਿੱਚ, ਇਸਦਾ ਭਾਰ ਲਗਭਗ ਦੋ ਕਿਲੋਬਾਈਟ ਹੁੰਦਾ ਹੈ ਅਤੇ ਇਸ ਦਾ ਕਬਜ਼ਾ ਕੀਤੀ ਡਿਸਕ ਸਪੇਸ 'ਤੇ ਕੋਈ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਭਾਵ ਨਹੀਂ ਹੁੰਦਾ।

ਤੁਸੀਂ '-a' ਫਲੈਗ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸੰਭਵ ਸਮਰੱਥਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕਦੇ ਹੋ: './f5ar -a [ਖੋਜ ਫੋਲਡਰ] [ਪਰਲ-ਅਨੁਕੂਲ ਨਿਯਮਤ ਸਮੀਕਰਨ]'। ਪੈਕਿੰਗ './f5ar -p [ਸਰਚ ਫੋਲਡਰ] [ਪਰਲ-ਅਨੁਕੂਲ ਨਿਯਮਤ ਸਮੀਕਰਨ] [ਪੈਕਡ ਫਾਈਲ] [ਅਕਾਇਵ ਨਾਮ]' ਕਮਾਂਡ ਨਾਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਅਤੇ './f5ar -u [ਅਕਾਇਵ ਫਾਈਲ] [ਰਿਕਵਰਡ ਫਾਈਲ ਨਾਮ ਨਾਲ ਅਨਪੈਕਿੰਗ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ]'.

ਕੰਮ ਦਾ ਪ੍ਰਦਰਸ਼ਨ

ਵਿਧੀ ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਦਿਖਾਉਣ ਲਈ, ਮੈਂ ਸੇਵਾ ਤੋਂ ਕੁੱਤਿਆਂ ਦੀਆਂ 225 ਬਿਲਕੁਲ ਮੁਫਤ ਫੋਟੋਆਂ ਦਾ ਸੰਗ੍ਰਹਿ ਅਪਲੋਡ ਕੀਤਾ Unsplash ਅਤੇ ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚ ਦੂਜੀ ਖੰਡ ਦੀ 45 ਮੀਟਰ ਦੀ ਇੱਕ ਵੱਡੀ ਪੀਡੀਐਫ ਮਿਲੀ ਪ੍ਰੋਗਰਾਮਿੰਗ ਦੀ ਕਲਾ ਨੂਟਾ.

ਕ੍ਰਮ ਕਾਫ਼ੀ ਸਧਾਰਨ ਹੈ:

$ du -sh knuth.pdf dogs/
44M knuth.pdf
633M dogs/

$ ./f5ar -p dogs/ .*jpg knuth.pdf dogs.f5ar
Reading compressing file... ok
Initializing the archive... ok
Analysing library capacity... done in 17.0s
Detected somewhat guaranteed capacity of 48439359 bytes
Detected possible capacity of upto 102618787 bytes
Compressing... done in 39.4s
Saving the archive... ok

$ ./f5ar -u dogs/dogs.f5ar knuth_unpacked.pdf
Initializing the archive... ok
Reading the archive file... ok
Filling the archive with files... done in 1.4s
Decompressing... done in 21.0s
Writing extracted data... ok

$ sha1sum knuth.pdf knuth_unpacked.pdf
5bd1f496d2e45e382f33959eae5ab15da12cd666 knuth.pdf
5bd1f496d2e45e382f33959eae5ab15da12cd666 knuth_unpacked.pdf

$ du -sh dogs/
551M dogs/

ਪ੍ਰਸ਼ੰਸਕਾਂ ਲਈ ਸਕ੍ਰੀਨਸ਼ਾਟ

ਅਨਪੈਕ ਕੀਤੀ ਫਾਈਲ ਨੂੰ ਪੜ੍ਹਿਆ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਅਜੇ ਵੀ ਪੜ੍ਹਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ:

ਜਿਵੇਂ ਕਿ ਤੁਸੀਂ ਵੇਖ ਸਕਦੇ ਹੋ, ਹਾਰਡ ਡਰਾਈਵ 'ਤੇ ਮੂਲ 633 + 36 == 669 ਮੈਗਾਬਾਈਟ ਡੇਟਾ ਤੋਂ, ਅਸੀਂ ਵਧੇਰੇ ਸੁਹਾਵਣਾ 551 'ਤੇ ਆਏ ਹਾਂ। ਅਜਿਹੇ ਮੂਲ ਅੰਤਰ ਨੂੰ ਗੁਣਾਂਕ ਦੇ ਮੁੱਲਾਂ ਵਿੱਚ ਕਮੀ ਦੁਆਰਾ ਸਮਝਾਇਆ ਗਿਆ ਹੈ, ਜੋ ਉਹਨਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ। ਬਾਅਦ ਵਿੱਚ ਨੁਕਸਾਨ ਰਹਿਤ ਸੰਕੁਚਨ: ਸਿਰਫ਼ ਇੱਕ ਨੂੰ ਘਟਾਉਣ ਨਾਲ "ਫਾਇਨਲ ਫਾਈਲ ਤੋਂ ਕੁਝ ਬਾਈਟਾਂ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਕੱਟਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇਹ ਅਜੇ ਵੀ ਇੱਕ ਡੇਟਾ ਦਾ ਨੁਕਸਾਨ ਹੈ, ਭਾਵੇਂ ਕਿ ਇੱਕ ਬਹੁਤ ਹੀ ਛੋਟਾ ਹੈ, ਜਿਸ ਨੂੰ ਤੁਹਾਨੂੰ ਸਹਿਣਾ ਪਵੇਗਾ।

ਖੁਸ਼ਕਿਸਮਤੀ ਨਾਲ, ਉਹ ਅੱਖ ਲਈ ਬਿਲਕੁਲ ਅਦਿੱਖ ਹਨ. ਵਿਗਾੜਣ ਵਾਲੇ ਦੇ ਅਧੀਨ (ਕਿਉਂਕਿ ਹੈਬਰਾਸਟੋਰੇਜ ਵੱਡੀਆਂ ਫਾਈਲਾਂ ਨੂੰ ਸੰਭਾਲ ਨਹੀਂ ਸਕਦਾ), ਪਾਠਕ ਅੱਖ ਅਤੇ ਉਹਨਾਂ ਦੀ ਤੀਬਰਤਾ ਦੋਵਾਂ ਦੁਆਰਾ ਅੰਤਰ ਦਾ ਮੁਲਾਂਕਣ ਕਰ ਸਕਦਾ ਹੈ, ਮੂਲ ਤੋਂ ਬਦਲੇ ਹੋਏ ਹਿੱਸੇ ਦੇ ਮੁੱਲਾਂ ਨੂੰ ਘਟਾ ਕੇ ਪ੍ਰਾਪਤ ਕੀਤਾ ਗਿਆ ਹੈ: ਅਸਲੀ, ਅੰਦਰ ਜਾਣਕਾਰੀ ਦੇ ਨਾਲ, ਅੰਤਰ (ਰੰਗ ਜਿੰਨਾ ਨੀਵਾਂ ਹੋਵੇਗਾ, ਬਲਾਕ ਵਿੱਚ ਅੰਤਰ ਓਨਾ ਹੀ ਛੋਟਾ ਹੋਵੇਗਾ)।

ਸੰਪੂਰਨ ਹੋਣ ਦੇ ਬਜਾਏ

ਇਹਨਾਂ ਸਾਰੀਆਂ ਮੁਸ਼ਕਲਾਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹੋਏ, ਇੱਕ ਹਾਰਡ ਡਰਾਈਵ ਖਰੀਦਣਾ ਜਾਂ ਕਲਾਉਡ ਤੇ ਹਰ ਚੀਜ਼ ਨੂੰ ਅਪਲੋਡ ਕਰਨਾ ਸਮੱਸਿਆ ਦਾ ਇੱਕ ਬਹੁਤ ਸੌਖਾ ਹੱਲ ਜਾਪਦਾ ਹੈ. ਪਰ ਭਾਵੇਂ ਅਸੀਂ ਹੁਣ ਅਜਿਹੇ ਸ਼ਾਨਦਾਰ ਸਮੇਂ ਵਿੱਚ ਰਹਿੰਦੇ ਹਾਂ, ਇਸ ਗੱਲ ਦੀ ਕੋਈ ਗਾਰੰਟੀ ਨਹੀਂ ਹੈ ਕਿ ਕੱਲ੍ਹ ਨੂੰ ਵੀ ਔਨਲਾਈਨ ਜਾਣਾ ਅਤੇ ਤੁਹਾਡੇ ਸਾਰੇ ਵਾਧੂ ਡੇਟਾ ਨੂੰ ਕਿਤੇ ਅੱਪਲੋਡ ਕਰਨਾ ਸੰਭਵ ਹੋਵੇਗਾ। ਜਾਂ ਸਟੋਰ 'ਤੇ ਜਾਓ ਅਤੇ ਆਪਣੇ ਆਪ ਨੂੰ ਹੋਰ ਹਜ਼ਾਰ ਟੈਰਾਬਾਈਟ ਹਾਰਡ ਡਰਾਈਵ ਖਰੀਦੋ। ਪਰ ਤੁਸੀਂ ਹਮੇਸ਼ਾ ਮੌਜੂਦਾ ਘਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ।

-> GitHub

ਸਰੋਤ: www.habr.com