是否有GZIP的测试向量

如注释中所述，您无法以任何固定的期望来测试压缩机的输出。允许压缩机使用相同的输入数据生成各种可能的结果。最简单的例子是选择不同压缩水平的速度与大小交易的选择。预期压缩机保证的唯一一件事是，当其结果被解压缩时，您会得到压缩机的输入。

结果，有两种测试有意义。第一个是往返测试，您可以在其中测试压缩，然后进行解压缩，并验证您的内容是您放入的。您还应该生成来自应用程序的测试数据。

第二个是用各种无效输入对解压缩器进行测试，以确保其行为良好，即返回错误而不是崩溃。对于后者，您可以查看infcover.c，其中包括具有各种错误的deflate测试序列。

在通用无损数据压缩字段中，研究人员使用了三个知名数据集。贝尔等人于1989年引入了第一个，即卡尔加里语料库。选择了语料库中的文件以掩盖计算机处理中使用的典型数据类型。该语料库相当古老，并且包含某些无法使用的数据，但是该语料库仍然是许多作者使用的良好基准。该公司稍后提议，坎特伯雷语料库和大型坎特伯雷语料库包含相似大小的文件，少于5 mb。

历史语料库包括

• 坎特伯雷语料库http://corpus.canterbury.ac.nz/
• 卡尔加里语料库ftp://ftp.cpsc.ucalgary.ca/pub/projects/text.compression.corpus/

我发现的最有前途的页面是：

• 西里西亚压缩语料库http://sun.aei.polsl.pl/~sdeor/~sdeor/index.php?page=silesia

信用：上次链接提供了我用作简介的文本。您可以了解更多有关"旧" Corpora

的弊端