Gzip/7ZIP等压缩算法测试结果存疑，寻求技术解析

一、为什么默认设置下Gzip压缩表现优于7ZIP？ #

你的测试结果和普遍认知不符，核心原因是不同压缩工具的默认策略针对场景的优化方向不同，具体几点：

• 算法与默认参数差异：7ZIP默认采用LZMA2算法，但默认压缩级别为5（中等），且默认字典大小较大（如64MB）；而Gzip默认使用DEFLATE算法，压缩级别为6，字典大小仅32KB。对于小文件或本身冗余度不极高的文件，大字典带来的初始化开销会抵消压缩收益，反而让Gzip的轻量策略更高效。
• 容器格式开销：Gzip是纯数据流压缩，仅包含极小的文件头；而7ZIP、PKZIP（ZIP格式）的容器本身带有文件目录、元数据等额外结构，小文件场景下这些开销占比更高，导致最终压缩文件更大。
• xlsx格式的特殊性：xlsx本质是ZIP归档包，内部已经是压缩后的文件。7ZIP和PKZIP可以直接识别ZIP结构，对内部文件单独优化；而Gzip只能把整个xlsx当作二进制流压缩，无法利用内部结构的压缩潜力，因此在这类场景下表现不如前者。

二、PDF 1.5+为何仍能被大幅压缩？ #

PDF 1.5+支持对象流、交叉引用流等压缩特性，但实际生成的PDF往往存在压缩不充分的情况，原因包括：

• 生成工具的默认配置：很多PDF生成工具（如Office转PDF、网页转PDF）默认只开启基础压缩，不会启用最高级别的资源压缩。比如嵌入的图片可能用了JPEG低压缩率模式，字体文件未被子集化或压缩。
• PDF结构冗余：即使启用了对象流，PDF中仍可能存在重复的对象、未清理的废弃元数据、冗余的交叉引用表条目。通用压缩工具（如Gzip、7ZIP）可以通过全局压缩算法重新组织这些冗余数据，进一步降低体积。
• 部分内容未被压缩：PDF 1.5+只是支持压缩，不是强制所有内容都压缩。比如某些注释、表单字段、嵌入的非标准资源可能未被处理，仍然保留原始未压缩状态，给后续压缩留下空间。

内容的提问来源于stack exchange，提问作者Questions123