如何低成本压缩仅含两种取值的数组至byte[]数组？

这个问题挺实际的——针对只有两种取值的数组，你目前用的游程编码（RLE）确实是常规操作，但有没有更优的方案，得看你的数组特征和「压缩成本」的定义（是追求最小存储空间？还是编码/解码的速度优先级更高？），我来拆解几种可行的方向：

先优化你现有的游程编码（RLE） #

你现在的思路是记录每个连续段的重复次数，但因为数组只有两个值，我们可以做个小优化：
只需要记录第一个元素的值，然后后续只存交替出现的连续次数就行。比如你举的例子11111001，不需要存[5,2,1]（其实这个还缺了值的对应关系），而是存[1,5,2,1]——意思是「从1开始，连续5个，接着2个另一个值（也就是0），再接着1个1」。这样比存「值+次数」的组合少存了一半的「值」字段，进一步压缩了空间。

比RLE更优的场景化方案 #

1. 高度随机的二元数组（无长连续段） #

如果你的数组是类似10101010或者随机切换的情况，RLE反而会「膨胀」——比如每个连续段长度都是1，这时候RLE的存储量反而比原数组还大。
这种情况下，比特打包是最优选择：因为只有两个值，我们可以用1bit来表示一个元素（比如用0代表其中一个值，1代表另一个）。这样1个byte就能存8个元素，比如长度为n的数组，只需要ceil(n/8)个byte，空间效率拉满。

2. 混合特征的数组（既有长连续段，又有随机段） #

如果数组里一部分是长连续重复，一部分是随机切换，可以考虑分块混合编码：

• 把数组分成固定大小的块（比如每64个元素一块）
• 对每个块判断：如果连续段的总长度占比很高（比如超过80%），就用优化版RLE编码；如果是随机块，就用比特打包
  这样能兼顾两种场景的优势，避免单一编码的劣势。

3. 极长数组且值的出现频率差异极大 #

比如90%的元素是A，10%是B，而且没有明显的长连续段，这时候可以考虑霍夫曼编码：给高频值分配更短的比特位，低频值分配更长的。不过要注意，霍夫曼编码需要额外存储编码表，所以只有当数组足够长时，编码表的开销才会被压缩收益覆盖。如果数组很短，反而不如比特打包划算。

总结一下优先级 #

1. 先判断数组特征：
   • 有大量长连续段 → 用优化版RLE
   • 高度随机无长连续 → 用比特打包
   • 混合特征 → 用分块混合编码
2. 极长且频率差异大的数组，可以尝试霍夫曼/算术编码，但要权衡额外开销

内容的提问来源于stack exchange，提问作者user124270