Foro - Perl en Español

Hay muchas formas de hacerlo. Ahí va una propuesta:
1.- Vas leyendo el fichero de texto línea a línea.
2.- Los espacios en blanco y caracteres de puntuación (puntos, comas, etc.) los trasladas al fichero comprimido tal cual
3.- Por cada palabra que encuentres en la línea...
4.- Si la palabra no existe en el diccionario, la agregamos a él y le damos un número en valor creciente por cada palabra (la primera palabra valdrá 1, la segunda 2, etc. etc.
5.- Sino, si la palabra ya estaba en el diccionario, la sustituímos por el valor de diccionario (por ejemplo, si la palabra 'deberes' tiene en el diccionario el valor 12, la(s) siguiente(s) veces que encontremos esa palabra la sustituímos por ese valor).

El proceso de descompresión es el mismo que el de comprimir: cada vez que encontramos una palabra, la agregamos al diccionario, y si es un número, sacamos esa palabra de él.

Como ves, hay un fallo en este sistema, si en el texto hay números además de palabras...

Pues no... siempre existe el fallo de encontrar en el texto original el mismo código que se está creando en el comprimido.

Por eso los compresores trasladan todo el contenido de un 'namespace' a otro. De un fichero (sea texto o binario) con un contenido (que no nos importa) o otro cuyo contenido sí sabemos cómo leerle (descomprimirlo, en su totalidad). A la hora de hacer la compresión, trasladamos todo el contenido original a un nuevo formato, sin crear excepciones. La forma de hacerlo es lo que distingue a un método de compresión de otro.

El algoritmo de los ficheros zip se basa también en algoritmos de diccionarios.