我有4个要编码的字符： 有没有办法给他们一个“编码版本”，而不是ASCII？二进制将是最好的，但是对于二进制我只有0和1，并且如果我随后使用序列，则不清楚例如哪个字符为0，哪个1和哪个11。还有其他方法可以用最少的位数有效编码吗？ 谢谢
wxfjf200806 回答：编码字符的最有效方法是什么？ （关于内存）
有4个不同的值。 2位可以编码4个值。
00
01
10
11
这意味着每个字节可以编码4个不同的值。
+---+---+---+---+---+---+---+---+
| 4 | 4 | 3 | 3 | 2 | 2 | 1 | 1 |
+---+---+---+---+---+---+---+---+
例如，我们可以选择以下编码方案：
T = 00
G = 01
A = 10
C = 11
110（0b01101110）因此表示ACAG（假定在最低有效位中找到第一个值）。
+---+---+---+---+---+---+---+---+
| 0 | 1 | 1 | 0 | 1 | 1 | 1 | 0 |
+---+---+---+---+---+---+---+---+
---G--- ---A--- ---C--- ---A---
这意味着在使用ASCII时，该字符串仅占用空间的25％。
除了这不太起作用。无法知道序列的长度。例如，如何使用上述方案对ACA进行编码？
有选项：
-
以某种方式将序列的长度作为前缀。
如果编码的字符串真的很短，则最终可能会使编码的字符串的长度加倍。
-
引入第5个前哨值以指示字符串的结尾。
这使编码变得复杂（因为我们不再具有2的幂）。它还降低了压缩系数（每3个字节8个值，因此使用ASCII时仅占用空间的37.5％）。
-
使用每个字节的前2位指示该字节中实际存在多少个值。这样可以减少压缩系数（每个字节3个值，因此使用ASCII时仅占用33％的空间）。
-
您可以使用实际的压缩技术（例如，使用频率分析将较短的序列用于更常见的子序列），可能使用zlib或更现代的等效技术。此方法非常有效（甚至可能使用ASCII的1/10），但是仅在序列很长的情况下才有效。它还可以防止随机访问。这意味着如果不先读取所有前一个值就无法获得Nth值。简而言之，您必须将字符串解码为ASCII才能搜索。
您在注释中表示要在序列中搜索子序列，但是这些方法都没有那么容易（如上所述，第四个方法可以防止这种情况）。实际上，它们使事情变得非常复杂。强烈建议将序列转换为ASCII以进行搜索。