Simulador de compressão de dados online

O que faz este simulador?

Este simulador é uma ferramenta educativa que demonstra o funcionamento da codificação de Huffman, um método de compressão sem perdas. Não comprime ficheiros nem produz um arquivo descarregável; limita-se a analisar o texto que introduz e a mostrar como os caracteres mais frequentes recebem códigos mais curtos.

Exemplo prático

Se introduzir o texto ABBC, o simulador calcula que o texto original em UTF-8 ocupa 32 bits (4 caracteres × 8 bits). Após a codificação de Huffman, o texto comprimido ocupa apenas 6 bits: a letra B, que aparece duas vezes, recebe o código mais curto, enquanto A e C recebem códigos mais longos. O resultado mostra a lista de caracteres com os seus códigos binários e a contagem de bits.

Parâmetros e processamento

A ferramenta utiliza o codificador UTF-8 do navegador para calcular o tamanho original. A árvore de Huffman é construída combinando os dois nós de menor frequência. Se houver empates na frequência, os códigos podem variar, mas o comprimento total ponderado é o valor relevante. O limite de entrada é de 100000 unidades de código UTF-16, o que significa que muitos emojis contam como duas unidades. O processamento é feito inteiramente no navegador; não é enviado para nenhum servidor.

Limitações a ter em conta

O número de bits apresentado para o texto comprimido refere-se apenas aos dados codificados, sem incluir a árvore de códigos, cabeçalhos ou outros metadados. Por isso, não representa o tamanho real de um ficheiro comprimido e não garante uma taxa de compressão prática, especialmente para textos curtos. Para textos com muitos caracteres distintos, a lista de resultados pode ser longa.

Perguntas frequentes

Porque é que o código de um caractere muda entre execuções?

Quando dois caracteres têm a mesma frequência, a ordem de combinação na árvore de Huffman pode variar, resultando em códigos diferentes. O que interessa é o comprimento total em bits, que é sempre o mesmo para o mesmo texto.

O que significam as notações como \n na lista de resultados?

Para caracteres invisíveis, como espaços ou quebras de linha, a ferramenta usa a notação JSON para os representar de forma visível. Por exemplo, uma quebra de linha aparece como \n no resultado, mas no texto original é um caractere de controlo.

Posso colar um texto muito longo?

O limite é de 100000 unidades de código UTF-16. Em dispositivos móveis, é aconselhável colar primeiro um excerto pequeno para testar e depois calcular explicitamente. Textos muito longos podem gerar listas de resultados extensas.

Lista de verificação

• Verifique se o texto foi colado corretamente, incluindo espaços e quebras de linha.
• Clique no botão de cálculo e aguarde o resultado.
• Compare os bits originais e os bits comprimidos.
• Repare que a compressão é mais eficiente quando há caracteres repetidos.
• Limpe a entrada antes de testar um novo texto.