本文介绍一种基于进制转换的无损压缩方法，将37字符集（a–z、0–9、.）的输入字符串，以接近理论极限的效率映射为62字符集（a–z、a–z、0–9）的输出字符串，典型实现为8字符输入→7字符输出，压缩率达87.5%。
本文介绍一种基于进制转换的无损压缩方法，将37字符集（a–z、0–9、.）的输入字符串，以接近理论极限的效率映射为62字符集（a–z、a–z、0–9）的输出字符串，典型实现为8字符输入→7字符输出，压缩率达87.5%。
在字符集受限但要求紧凑编码的场景中（如URL短链后缀、嵌入式标识符、协议载荷优化），直接使用通用压缩算法（如gzip）往往得不偿失——输入太短、无重复模式，反而引入开销。此时，数学意义上的确定性进制映射成为更优解：将输入视为以37为基数的整数，再将其等价表示为以62为基数的整数，最后按位查表映射为目标字符。
核心原理：基数转换与空间填充率优化
设输入符号集大小为 $b_i = 37$，输出符号集大小为 $b_o = 62$。若每次处理 $n$ 个输入符号，则其可表示的总状态数为 $37^n$；若用 $m$ 个输出符号承载全部信息，则需满足： $$ 37^n \leq 62^m $$ 理想情况下，我们希望比值 $\frac{37^n}{62^m}$ 尽可能接近 1（即输出空间利用率最大化）。经穷举搜索，最小有效解为：
- $n = 8$, $m = 7$
- $37^8 = 3{,}512{,}479{,}453{,}921$
- $62^7 = 3{,}521{,}614{,}606{,}208$
- 利用率 ≈ 99.74%，熵压缩率 $\log_{62}(37^8) / 7 \approx 0.99991$（几乎无信息损失）
这意味着：每8个输入字符严格对应7个输出字符，实现固定长度、无歧义、可逆的压缩。
实现步骤（以 JavaScript 为例）
1. 字符 ↔ 数字映射表
const INPUT_CHARS = 'abcdefghijklmnopqrstuvwxyz0123456789.'; const OUTPUT_CHARS = 'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789'; const charToIndex = new Map( [...INPUT_CHARS].map((c, i) => [c, i]) ); const indexToChar = [...OUTPUT_CHARS];
2. 编码：8字符 → 7字符
function encode(input) {
const result = [];
for (let i = 0; i < input.length; i += 8) {
const chunk = input.slice(i, i + 8);
// 步骤1：转为 BigInt（base-37 整数）
let num = 0n;
for (let j = 0; j < chunk.length; j++) {
const idx = charToIndex.get(chunk[j]);
if (idx === undefined) throw new Error(`Invalid input char: ${chunk[j]}`);
num += BigInt(idx) * (37n ** BigInt(j));
}
// 步骤2：转为 base-62 的 7 位数字（低位在前）
const digits = Array(7).fill(0);
for (let k = 0; k < 7; k++) {
digits[k] = Number(num % 62n);
num /= 62n;
}
// 步骤3：查表生成字符（注意：digits[0] 是最低位，对应输出最右字符）
result.push(...digits.reverse().map(i => indexToChar[i]));
}
return result.join('');
}3. 解码：7字符 → 8字符（需额外传递原始长度模8）
由于末组可能不足8字符，必须在协议层约定或显式传输 input.length % 8（记为 padLen，范围 0–7）。解码时对最后一组7字符反向计算后，仅取前 padLen 个字符：
function decode(encoded, originalLengthMod8 = 0) {
const result = [];
const totalChunks = Math.ceil(encoded.length / 7);
const lastChunkSize = originalLengthMod8 || 8;
for (let i = 0; i < encoded.length; i += 7) {
const chunk = encoded.slice(i, i + 7);
// 转为 BigInt（base-62）
let num = 0n;
for (let j = 0; j < chunk.length; j++) {
const idx = OUTPUT_CHARS.indexOf(chunk[j]);
if (idx === -1) throw new Error(`Invalid output char: ${chunk[j]}`);
num += BigInt(idx) * (62n ** BigInt(6 - j)); // 高位在左，需反转索引
}
// 转回 base-37，提取最多8位
const digits37 = [];
for (let k = 0; k < 8 && num > 0n; k++) {
digits37.push(Number(num % 37n));
num /= 37n;
}
// 补零至8位（用于中间块），末块仅取 originalLengthMod8 个
while (digits37.length < 8) digits37.push(0);
const actualCount = (i + 7 >= encoded.length) ? lastChunkSize : 8;
result.push(...digits37.slice(0, actualCount).map(i => INPUT_CHARS[i]));
}
return result.join('');
}注意事项与最佳实践
- ✅ 确定性 & 无损：该方案是双射（bijection），无任何信息丢失，适用于校验敏感场景。
- ⚠️ 长度元数据不可省略：因采用分块固定长度编码，接收方必须知晓原始输入长度（至少模8），否则末块解码会错误补零。建议将
originalLength % 8作为前导字节或独立字段传输。 - ⚠️ JavaScript 精度安全：
62^7 ，故使用 <code>Number进行中间计算在绝大多数情况下安全；但为绝对严谨，推荐全程使用BigInt（如示例所示）。 - ? 不适用场景：输入含非法字符（非
[a-z0-9.]）、长度动态且无法协商元数据、或要求流式/增量编码时，需改用其他方案（如 Base64 变种或自定义 Huffman）。
此方法以极简数学逻辑达成近似香农极限的编码效率，是字符集约束下轻量级无损压缩的经典范例。
