能否把1GB的数据压缩到1MB甚至更小的体积？
我电脑里虽也装著WINRAR，可是只用来解压，压缩功能几乎不用，因为压了跟没压差不多，有些视频格式压缩后反而比原件还大。
先上结论，1GB数据可以压缩至1MB。
是否可行取决于两个条件：
1.你要压缩的数据是什么?
2.你所使用的压缩演算法
假设我们只存储由可列印的ASCII字元组成的纯文本。我们将在知乎上设计我们自己的压缩演算法，我们可以叫它ZH-zip。
ZH-zip演算法将按照如下方式工作:
1) 指定一个字元
2) 此字元重复的次数指定为整数
3) 下划线（_）指定某字元串出现的次数
4）没有长度的下划线表示字元只使用一次。
5）文件末尾不需要下划线。
例如,"hello"压缩如下:
原文本: Hello.
压缩后: H_e_l2_o.
很明显这谈不上压缩，但是为了讲解起来方便点，举了上面的例子。
尝试压缩一些随机的字元串：
原文本: asdddffgggghhhhhjjjjjjkk
压缩后: a_s_d3_f2_g4_h5_j6_k2
可以看到我们刚刚设置的演算法将该文本的长度减少了3个字元。
对于下面这个字元串而言，我们直接将其缩减了一半：
源文本: AAAAABBBBBBABBBBBAAAAAAAABBBBBBB
压缩后: A5_B6_A_B5_A8_B7
32位元组被压缩为了16位元组。
现在如果你有一个1GB的「A」，即使用我们上述粗制滥造的压缩演算法，你也可以将其压缩到11位元组
Compressed: A1000000000
只要重复的字元串很长，我们的压缩率就会很高。
这能够实现吗?
很显然这取决于你所需要压缩的数据。
假设您是以无损格式存储游戏整个地图的屏幕截图。 大部分屏幕截图都是由图块组成的。 数十亿个相同的草砖一遍又一遍地重复，而数百万个相同的树也重复了。（类似红白机的采蘑菇和魂斗罗）
在这种情况下你的压缩效率将会变得很高。
1GB数据被压缩为1MB当然是可能的事情啦！
您好，可以的
#include &
int main(){
FILE *f = NULL;
f = fopen("E:\tmp.txt","w");
for(int i=0; i&<108000000; i++) {
fputs("1111111111",f);
}
fclose(f);
}
多压两次还能更小：
也可以用生成一个随机字元组成的txt：
#include &
#include &
int main(){
FILE *f = NULL;
f = fopen("E:\tmp rand.txt","w");
for(long long i=0; i&<1080000000; i++) {
char x = rand();
fputc(x,f);
}
fclose(f);
}
就完全压不动了
下面我现场表演一个将1TB数据压缩至几个位元组的示例。
这个方法的加解压速度非常快。
而且演算法能使用人类语言执行，易读性极强。
演示开始：
1TB全0。
宏观上说取决于数据的混乱程度，如果数据完全是随机生成的，极限压缩，也几乎压缩不了多少。
反之，如果数据比较有规律，规律性越强，则压缩空间越大。
可能把无限大的数据压缩成一行数据吗？可以。
举个例子，假如有这样一个文本文件：
135791113151719...
我们可以把它压缩成：
a[n+1] = a[n] + 2, a[0] = 1,
因为在上面的文件中，我们观察到其实是由一个等差数列连接而成的字元串，所以我们可以用通项公式来复现出文件的完整的信息。
再比如更一般的，文本文件中，往往每个字母的出现频率是不一样的，有的字母出现频率更高，有的则更低，如果我们尽可能的让出现频率更高的字母用更少的空间表示，这样就会达到一个数据压缩的效果，常见的典型例子就是哈夫曼编码 （Huffman Encoding)。
哈夫曼编码的原理是找到这么一种二进位编码模式，能让出现频率越高的字元用越短的二进位编码去表示，找到之后，进行编码，从而达到了一种压缩体积的效果，具体操作方法在这里不赘述。
也因为如此，哈夫曼编码能够对文本文件有不错的压缩效果，因为几乎所有文本文件的字元出现频率都是有差异的。
但也正因为如此，用哈夫曼编码去压缩图片，视频等文件，几乎起不到什么效果，因为以文字的角度去看图片文件，几乎可以看作是随机的乱码文件，字元出现的频率近乎一致。
上面所说的这种叫做无损压缩，能够保证压缩后的数据能够完整的复现成原来的数据，它更注重的是「变形」，利用数据已有的规律和特征，去进行一些变形，这本身不矛盾。
「内容「是抽象的，它包含著对我们人类有意义的信息，比如，文章，图片，但存储内容，必须有一个把内容变成数据的过程，数据比内容更为归一化，怎么理解这个归一化呢？不管是图片，还是文章，还是视屏，在 unix 系统下，它们都是以二进位文件的形式存储的，都是一堆 0 和 1，这就叫归一化，把多种内容编码成一种数据，给我们带来了很大的方便，我们只要想办法把数据以某种方式存储到物理介质上，我们就获得了存储所有「内容」的能力，这就像只要所有的网路I/O，文件I/O，块设备，字元设备，都能表现成对一个 fd 的读写，我们知道怎么对 fd 读写，我们就具备了操纵这么多种不同的 I/O 的能力，这个过程往往称之为编码，而数据在物理载体上的存储方式，则有无限种可能。
原来看到一篇科幻小说，好像是刘慈欣写的，说的是一个外星人，来了地球之后，把人类的所有知识都获取了之后，编码成了一串数字，大概就像这样：
28372493824923923..............很长很长...
然后这个外星人在第一数之后点了一个小数点，然后又加了个长度单位，索性就是米好了：
2.8372493824923923..............很长很长...m
由于这段数字虽然很长很长，但是它是有限的，而且这个外星人有很先进的度量能力，也就是说，他们有非常精密的尺子，即便是上面那么长，他们也能度量出来。
于是，外星人把上面那串数字当成了一段长度，在飞船上找了一个位置，准确的刻画了这段长度，于是，它就用这两个刻度，存储了地球的全部信息。
这听起来很神奇，你竟然能用一个刻度，存储地球的全部知识，当然在现实世界我们知道是不可能的，因为随著小数点后面的数变多，每个数代表的真实大小在指数级的减小，而对我们的衡量精度要求是指数级的增高，我们马上就无能为力了。
于此相同，我们还可以选取一个铁块，把上面的数字单位变成 kg，只要这个铁块的重量严格等于它，我们就用这个铁块，存储了人类的知识。
小学的数列找规律的题，就像是在寻找数据压缩的方式，如果你成功找到了通项公式，你就把这个无限长的数列压缩成了一个公式。
我在文章开头说的，数据的混乱程度，决定了数据压缩的难度，或者说，数据的熵越大，越难压缩，因为它缺乏可预测性，可归一性，没有同质化的区域，更没有可利用的规律，所以也缺乏被总结归纳的可能性。
再说说有损压缩，这方面就很好理解了，但是压缩的时候，往往要和内容紧密联系。
比如，内容是图片，我们压缩的时候，可能考虑降低解析度，把相邻的四个像素点取一个颜色平均值，然后变成一个像素点，这样，图片的解析度就被压缩成了原来的四分之一，但是看上去，还能看出原来的样子。
但是如果我们对文本文件做一摸一样的压缩处理，就会发现原来有意义的一篇文章变成了缩短四分之一后的奇怪乱码，这就是从内容的角度上，完全损失了数据。
而对于此，对于图片和文本，我们可以定义不同的压缩损失的函数，从而用来衡量压缩后信息的损失量。
图片具有稳定性，也就是说，将一个像素点的颜色微调一点，对整个图片不会有突变的印象，而对于文本，48 和 49 所代表的字元可能完全是两个字元，所以文本文件很难做有损压缩，而图片等多媒体资源，经常会做不同的压缩等级处理，比方说 720p，1080p，4k 等等。
而对于一堆在高维空间中的样本点来说，我们可以进行降维处理，比方说原有的数据点长这样：
然后你用把所有的数据点都投影在了蓝色的直线上，于是二维的样本点变成了一维的样本点，常见的方法有 PCA (Principle Component Analysis) 等。
谢谢！
其他答主理论说的不少了，我来实测一下。
用MATLAB写入一个全0（int8）的大小为1GB的二进位文件。
a = zeros(1,2^30,int8);
fid = fopen(D:1.bin,wb);
fwrite(fid,a);
fclose(fid);
验证一下是不是大小为1GB
file = dir(D:/1.bin);
isequal(file.bytes,2^30)
利用MATLAB的zip命令进行压缩，计算压缩文件大小为多少MB.
zip(D:1.zip,D:1.bin);
zipFile = dir(D:1.zip);
zipFile.bytes / 2^20
ZIP文件的压缩率不高，尝试使用winrar进行压缩，压缩为rar文件。
!C:"Program Files"WinRARwinrar a D:1.rar D:1.bin
rarFile = dir(D:1.rar);
rarFile.bytes / 2^20
最后在Windows文件管理器看下各个文件的大小。
推荐阅读：
