Huffman 编码与 DEFLATE：最优前缀码、规范码表与比特的去向
内容提要
DEFLATE压缩格式中，Huffman编码在整数码长下最优，规范码只需传码长；15位限长在Canterbury语料上从未触发。实测zlib -9输出中，距离额外比特占41.9%，码表仅0.39%，Huffman码仅比经验熵多0.64%。zopfli靠优化解析省8.0%，其中87%来自距离额外比特，说明解析比熵编码更重要。
延伸解读
Huffman 码在 DEFLATE 中接近最优
文章实测显示，zlib -9 动态块中 Huffman 码仅比每块经验熵多 0.64%，换算到整个输出最多可省 0.35%。这意味着在 DEFLATE 的字母表分布下，整数码长带来的损失很小，换用算术编码或 ANS 等熵编码器收益有限。
距离额外比特是压缩率的主要瓶颈
在 zlib -9 输出中，距离额外比特占 41.9%，而码表仅占 0.39%。这些额外比特不经熵编码，直接以原始比特写出。zopfli 通过优化解析，使距离额外比特平均从 9.19 位降至 7.74 位，贡献了其 8.0% 节省中的 87%。
15 位码长限制在实际语料中很少触发
Canterbury 语料上，zlib -9 的实际码长与不限长 Huffman 完全相同，15 位上限从未生效。即使人为构造 Fibonacci 频数使码长达到 18 位，限长代价也仅多 3 比特，zlib 的启发式修补比最优 package-merge 多 5 比特（0.0175%）。
解析优化比熵编码改进更有效
zopfli 在同一 DEFLATE 格式内比 zlib -9 小 8.0%，其中 87% 的节省来自距离额外比特的减少。这表明在 DEFLATE 中，改进 LZ77 解析（如使用代价模型选择更近的匹配）比更换熵编码器更能提升压缩率，尽管代价是压缩时间大幅增加。
Q&A
Huffman 编码在什么条件下是最优的？
Huffman 编码在“每个符号单独编成整数长度码字、且码字构成前缀码”的约束下最优。一旦允许把多个符号合在一起编码（如算术编码）或符号间存在依赖（上下文），其最优性不再适用。
DEFLATE 的动态块为什么只传码长而不传 Huffman 树？
因为 DEFLATE 使用规范 Huffman 码：只要约定码字分配规则（同一长度按符号顺序取连续值，短码字在字典序上排在长码字之前），码长向量本身就能唯一确定一套码。因此块头只需传码长，解码器可据此重建相同的码表。
DEFLATE 的 15 位码长上限在实际中经常触发吗？
在 Canterbury 语料上从未触发。zlib -9 的动态块中，实际码长与不限长 Huffman 码长代价完全相同。要触发上限需构造接近 Fibonacci 分布的频数，此时 zlib 的启发式限长比最优 package-merge 多 5 比特（0.0175%）。
在 zlib -9 的 DEFLATE 输出中，比特主要花在哪里？
距离额外比特占 41.9%，字面量码占 25.0%，距离码占 16.2%，长度码占 14.6%，长度额外比特占 1.9%，动态块码表仅占 0.39%。经过 Huffman 编码的部分共占 55.8%，原样写出的额外比特占 43.8%。
zopfli 比 zlib -9 压缩率提升主要来自哪里？
zopfli 比 zlib -9 小 8.0%，其中 87% 的节省来自距离额外比特。zopfli 通过迭代优化解析，在代价模型下选择更近的匹配，使每个匹配的距离额外比特从平均 9.19 位降到 7.74 位，而匹配个数和平均长度几乎不变。
Huffman 编码离香农熵有多远？在 DEFLATE 中换用算术编码能省多少？
在 zlib -9 的动态块中，Huffman 码比每块经验熵多 0.64%。即使换成能精确达到经验熵的熵编码器（如算术编码），保持 LZ77 符号与分块不变，最多省整个输出的 0.35%。因此在这个格式中换熵编码器几乎无利可图。
