无损压缩鼻祖去世了,没有他就没有今天的Zip、PNG、MP3、PDF……

实战工具:用Docling 把 PDF/Office 文档变成 RAG 可用 Markdown 做 RAG 时,真正卡住很多人的往往不是向量库,而是上游文档:PDF 阅读顺序乱、标题层级丢失、表格变成一团纯文本。官方开源项目(MIT)专门解决这件事——把 PDF、DOCX、HTML 等解析成统一的,再导出 Markdown / JSON,方便后续切块入库。>=3.10,<4本文只记录本地 Linux 上对的一次冒烟实测:转换 Docling 技术报告 PDF 的前 2 页,并额外用一份本地 HTML 做快速回归。OCR、VLM、MCP 本次均未开启,下文也不声称已验证这些能力。 阅读详情

无损压缩鼻祖去世了,享年86岁。

他就是Abraham Lempel,来自以色列的科学家。

正是因为他和同事发明的LZ77/LZ78压缩算法,才有了Zip、GIF、PNG、TIFF、MP3、PDF等直到今天还在流行的文件格式。

他生前曾就职的的以色列理工学院评价他为“学院成立100年来最伟大的研究员之一”,并称很少有科学家“像他一样在技术发展以及我们的日常生活领域中都产生了如此大的影响”。

无数网友为他的离世哀悼。

有人还表示:

我的研究生论文主题是HTML压缩,里面都还写有他的名字呢。

共同发明LZ77/LZ78,彻底改写数据压缩领域

Lempel教授于1936年出生于波兰。

23岁的时候他进入以色列理工学院,经过八年的学习,拿到博士学位。

就在毕业十年之际,41岁的他成为母校的全职教授,负责电气工程和计算机科学专业的教学(随后又担任了三年计算机学院院长)。

这一年,正是他和同事Jacob Ziv发明LZ77算法的那一年,也就是1977年(下图左为Ziv,右为Lempel)。

正如其名,“LZ77”中的“L”代表Lempel教授,“Z”代表他的同事Ziv教授,“77”则是发明年份。

如果你是计算机专业的学生,LZ77算法一定出现过你的课本之上。

它的特点包括简单、易于实现,可以针对任何数据格式进行无损压缩,完全区别于此前已经诞生的各种有损压缩算法。

它主要采用的是基于字典的方式进行压缩。

简单来说,就是把数据中可以组成“短语”的一串字符加入“字典”,然后再有匹配的字符出现就采用标记来代替,由此就能实现压缩的目的。

在具体操作中,该算法会将数据分为“滑动窗口”和“数据缓冲区”。

每次处理数据的时候,先把一部分数据预载入缓冲区,然后依次载入滑动窗口区(有长度限制)。

如果后进入的字符在滑动窗口里面出现匹配的时候,就记进当前的短语字典中。

随着滑动窗口的不断向前,字典会不断变化,不停地滑动字符向前,寻找到更多与字典中的短语匹配的选项,然后用带有含义的标记符进行标记,最终就可以得到一段压缩好的表示结果。

例子如下图所示,粉色为滑动窗口区,蓝色为缓冲区。

从上面的原理我们可以看出,LZ77的压缩比比较高,但由于要不停地找匹配选项,压缩过程有一些耗时,但又由于解压速度又非常快(标记会说明匹配项的明确位置),总体还是算得上非常高效的。

两位教授就以论文的形式将他们这一成果公布了出来。

很快,在1978年,他们又对77算法进行了更新,诞生了同样著名的LZ78,也就是LZ77的第二个版本。

不管后来大家如何“修修补补”,衍生出更加高效和完善的LZSS、LZW、LZH等新算法,它们的原理都和Lempel教授和Ziv教授的思想没有什么差别。

因此,在这些算法上诞生的TIFF、PNG、ZIP、MP3等广为流传的压缩文件格式,都得感谢这两位老爷子的贡献。

这不,2004年,IEEE就宣布LZ77和LZ78算法成为电气和电子工程的“历史里程碑”。

Lempel教授也因为所作贡献,拿了不少奖项,包括IEEE信息理论学会技术创新金禧奖和2007年的IEEE Richard W. Hamming奖章,后者主要表彰他在“数据压缩方面的开创性工作”。

57岁被惠普聘用,贡献了8项专利

在改写数据压缩领域之后,Lempel教授并没有“闲着”。

1993年,已经57岁的他被惠普公司聘用。

仅过了一年,他就出来创立了惠普以色列实验室(HP Labs Israel),并担任其董事长直到71岁。

在此期间,惠普以Lempel教授的名义注册了8项专利。

如今,Lempel教授已于上周日(2月5日)辞世,离87岁生日就还差一周时间。

悼念。

讣告地址: 

https://www.technion.ac.il/en/2023/02/technion-mourns-prof-abraham-lempel/

参考链接:
[1]https://www.ynetnews.com/business/article/hjdfzoa2o
[2]https://twitter.com/search?q=Abraham%20Lempel&src=typed_query

病理组学分析系列教程1:使用Python-histolab进行病理图像预处理,tiles切片自动生成 病理图像tiles自动生成,WSI图像预处理 阅读详情

相关推荐

Coze:手把手教你搭建 小红书二创 智能体

前一篇 “” ,讲了如何针对需求进行拆解,并拆解 ”小红书二创“ 智能体,分为四个内容模块。通过上述步骤,开始一步一步构建 “小红书二创” 智能体。用来测试的小红书地址:http://xhslink.com/a/quxWEDAj3J48。

保持敏感!保持学习! 1436

文件格式解析:从基础原理到工程实践

文件格式作为数字信息存储与交换的基础规范,其核心原理在于数据的结构化组织与编码方式。从ASCII文本到Unicode编码,从JPEG图像压缩到MP4视频容器,不同格式通过特定的算法实现存储优化与信息表达。在工程实践中,文件格式的选择直接影响系统兼容性、处理效率和数据安全。例如CSV与JSON在数据交换中的性能差异,或ZIP加密中AES-256的安全优势,都体现了格式设计的技术价值。当前WebP、AV1等新兴格式正推动着多媒体存储的效率革命,而HEIF等格式则展现了未来数据聚合存储的可能性。理解文件格式的技术

weixin_30463341的博客 376

从零到英雄:Spring Boot 微服务架构全攻略

在数字化转型的时代,微服务架构已成为构建可扩展、高可用系统的首选方案。本文以“从零到英雄”为主题,详细指导读者使用Spring Boot快速构建微服务帝国。从基础环境搭建入手,逐步深入到服务发现、配置管理、负载均衡、断路器、API网关、安全认证、监控与部署等核心模块。通过大量代码示例和详细解释,包括中文注释,帮助初学者和中级开发者掌握Spring Boot的核心概念和技术实践。文章强调实际操作,涵盖RESTful API开发、数据库集成、容器化部署等内容,并讨论常见问题与优化策略。无论你是Java开发者还是

一个被知识诅咒的人 2701

融资租赁单据数据批量提取:从 PDF 合同到结构化字段的工程实践

融资租赁业务里的合同、租金支付表、发票、权属证明,大多以 PDF、扫描件、Excel 的形式存在。字段散落在不同章节和表格中,业务系统再规范,也绕不开"材料怎么变成数据"这一步。

whshataojin的博客 271

新手避坑:RT-Thread-Studio外设驱动配置最容易忽略的3个地方(附WDT实例)

本文针对RT-Thread-Studio新手在配置外设驱动时常见的编译报错问题,以看门狗(WDT)为例,详细解析了最易忽略的三个关键配置环节:RT-Thread-Studio的图形化Setting开关、Kconfig中的依赖关系以及SConscript的编译规则。掌握这三层配置模型,能有效避免头文件包含正确却依然编译失败的问题,确保驱动代码被正确加入构建。

gray5的博客 506

【DIY】使用STM32及PID算法实现一个磁悬浮玩具

今天教大家来做一个磁悬浮玩具。

小白白学电子 1万+

Java PDF 报表开发:一条逾期数据从 Map 到气泡再到评级报告 PDF 的完整链路

摘要(meta description):气泡图是散点图的加料版——x、y 定位置,size 定敞口,颜色定等级,一条数据同时编码四个维度。本文以 jquick-pdf 气泡图为例,跟着"客户C:账龄 9 个月、逾期率 6.8%、敞口 410、高风险"这条数据走完全程:从 Map 组装、轴配置、图例挂载,到 renderChart 出 SVG、绑定占位符、模板落版成 PDF,每一站都有代码和渲染结果对照。附完整 Java 源码与模板(jquick-pdfx 4.7.0+,Apache-2.0)。标签:、、、

PaoHaiJiao的博客 1010

xtop:multi_driven_net与incomplete_timing_cell fail reason 分析

man multi_driven_net”可以得知,这个问题是multi driven结构引起的,使用命令“get_failed_pins -reason multi_driven_net”,获取violation pin。“man incomplete_timing_cell”可以得知,这个fail reason的原因是缺少timing library cell,检查并补全后这个错误就显示了。这里选择的解决方法是修改lib文件,把inout改成input,重新lib2idb。通过这种方法解决了问题。

m0_61544122的博客 568

PDF 转 CSV 后编号前导零丢了?先查导出文件,再查 Excel 导入

按 PDF 原文、CSV 原始字符和 Excel 导入三处排查编号前导零丢失,附只读 Python 检查脚本,说明文本列设置和转换输出的分工。

weixin_66974439的博客 296

Eclipse邂逅Deepseek:本地化部署全攻略

通过前面一系列的步骤,我们成功地在 Eclipse 中完成了 Deepseek 的本地化部署,并且对部署后的功能进行了测试和优化,还解决了可能遇到的一些常见问题。这一过程不仅让我们体验到了将强大的大语言模型与高效的开发环境相结合的魅力,也为我们在软件开发过程中带来了诸多便利。本地化部署 Deepseek 到 Eclipse,使得我们在代码编写过程中能够获得智能的代码补全和精准的问答支持,大大提高了开发效率。同时,本地化部署保障了数据的安全性和隐私性,避免了数据在传输过程中可能面临的风险。

远程部署调试 运行安装 项目调试 二次开发 项目技术新 持续迭代 部分源码免费分享 4522

【数据集】1980-2020年(5年)土地利用分类数据-中国科学院

简介1980-2020年每五年土地利用数据-中国科学院

WW、forever的博客 3934

联犀知识库如何读懂 Word、Excel、PDF 与图片:AI 多模态检索与关联实践

2026年7月历史实践整理:联犀知识库的多模态解析、统一content_list、图片表格公式描述、多路召回与跨模态关系。保留当时的示例、方案取舍、测试口径和已知边界。

QQ603785348的博客 274

毕设-MobileNetV4:给YOLOv8装上轻量化“引擎”——通用瓶颈与C2f融合的实战教程

本文介绍了一种将MobileNetV4与YOLOv8结合的目标检测模型轻量化方案。MobileNetV4通过通用瓶颈(UB)结构实现多任务适配,其核心改进包括动态卷积核、注意力机制和多路径特征聚合,显著提升特征提取能力。作者详细阐述了如何在YOLOv8框架中实现MobileNetV4的通用瓶颈模块,包括"膨胀-卷积-注意力-压缩"的流程设计,并构建完整的backbone网络。该方案通过融合MobileNetV4的轻量化优势与YOLOv8的高效检测架构,在移动设备上实现了精度与速度的良好平

FJN110的博客 505

使用 Python 将 Markdown 转换为 PDF:基础转换与页面设置

Markdown 主要描述内容结构,通常不会在源文件中指定 A4 纸张、横向页面或打印页边距。需要控制这些参数时,可以在加载文件后、导出 PDF 前修改文档的PageSetup。下面的示例将页面设置为A4、横向,四周页边距均为 50 磅# 创建输出文件夹# 创建文档对象# 加载 Markdown 文件# 获取文档的第一个节# 获取页面设置# 设置纸张大小、页面方向和页边距# 保存为 PDF 文件# 释放文档资源与基础转换相比,这段代码增加了获取文档节和设置页面布局的操作。设置示例值。

asdzx67的博客 185

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

存量 PDF 工程图如何转成三维模型?先解决尺寸依据与验证问题

开始建模前,应先核对图号与版本、单位、投影方式、视图之间的对应关系,以及尺寸、公差和基准是否清晰。现在,市场中大部分 AI CAD 工具已经能从图纸生成模型,但选型时最该问的问题是:模型中的每个关键尺寸来自哪里,又是怎样验证的?试用时,建议选取一张结果已知的清晰零件图,再加入扫描件、缺失尺寸的图纸和多页装配图,观察工具如何处理不确定信息。存量图纸三维化的目标,是让旧图纸中的设计信息能够继续被使用。尤其是形状复杂、标注不全或扫描质量较差的图纸,工程师需要检查模型是否符合设计意图,并处理系统列出的不确定项。

2501_94173415的博客 195

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

PDF解析器代码详解:从文件结构到交叉引用表解析

本文详解了PDF解析器的代码实现,重点分析了PDF文件结构和交叉引用表解析过程。首先介绍了PDF文件的四部分结构:文件头、对象体、交叉引用表和文件尾。然后详细讲解了代码如何定位文件头、解析版本号,以及如何通过回溯搜索定位"startxref"关键字。最后深入分析了传统XRef表链的加载过程,包括处理增量更新、遍历Prev链以及防止循环引用等关键步骤。整个解析过程严格遵循PDF规范,确保了文件解析的准确性和兼容性。

C++ 是一门不原谅粗心的语言,而我恰好喜欢这种不原谅。 我是 x,正在成为更严谨的 C++ 开发工程师的路上。 534

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

BrotliCompressor压缩器封装,以及 PDF编码器介绍

Brotli压缩算法简介 Brotli是Google开发的开源无损压缩算法(2015年发布),专为Web内容优化设计。其核心优势包括: 高压缩率:比GZip小20%-26%,内置13,000+常见Web词汇的静态字典; 灵活压缩:0-11级可调(0-4级快速,5-11级高压缩比); 技术组合:融合LZ77、Huffman编码及创新上下文建模; Web应用:广泛用于HTTP内容压缩、前端构建工具及API数据传输。 兼容所有现代浏览器和主流服务器,虽压缩速度较慢,但解压极快,是现代网站性能优化的首选方案。 PD

C++ 是一门不原谅粗心的语言,而我恰好喜欢这种不原谅。 我是 x,正在成为更严谨的 C++ 开发工程师的路上。 1559

2026医学教材资料合集pdf电子版完整齐全

本文整理了一份涵盖临床、中医、护理、药学等多专业的医学生资料合集,包含本科期末复习资料、第九版临床教材(23本可复制书签)、研究生“红色生死恋”教材68本及配套PPT课件。文章强调资料使用需结合自身专业与学习阶段,以“蓝皮教材打基础、红皮教材备研考、规培教材练实战”为路径,倡导精准定位、主线唯一、避免囤积,真正实现从“收藏”到“阅读”的转化,提醒医学生:真正的成长在于读透一本好书,而非拥有全部资料。

2601_96733043的博客 2437

PDF文档结构分析 一

PDF文档摘要 本文分析两个空白PDF文档的结构差异: 一页空白PDF: 包含9个对象(5在用/4空闲) 单一A4页面(595×842点) 基础结构仅含目录、页面树和空页面 文件大小较小(交叉引用表起始349) 五页空白PDF: 扩展至13个对象(11在用/2空闲) 包含5个A4页面(对象4、7-10) 新增页面均含/Rotate 0属性 文件体积更大(交叉引用表起始935) 主要差异体现在页面数量、对象结构和文件体积,后者通过复制页面对象实现多页扩展,保持相同的A4尺寸和空白内容特性。两个文档均由MuPD

C++ 是一门不原谅粗心的语言,而我恰好喜欢这种不原谅。 我是 x,正在成为更严谨的 C++ 开发工程师的路上。 3174

屏幕、电子书、打印档怎么选?4款免费PDF压缩工具对照

免费PDF压缩工具的档位比的是图片DPI:屏幕72、电子书150、打印300、Mac预览144;扫描件降到72dpi小字难认,300dpi扫描件选打印档几乎不变,附图映 ImgIng等4种办法实测。

2611_96826367的博客 189

gc.py 功能介绍:PDF 对象流还原工具(用于 pdfium 测试)

摘要: gc.py 是一个 PDF 对象流还原工具,用于将经过对象流压缩的 PDF 文件转换为标准交叉引用表(XRef Table)格式,为测试 pdfium 的对象流压缩功能提供纯净材料。该工具通过 podofogc 实现对象流解压,生成独立对象和交叉引用表,确保文件结构完整。用户可配置输入/输出路径、递归扫描等参数,并通过 qpdf 验证还原效果。测试流程包括压缩率、文件完整性和兼容性验证。podofogc 因其高效还原和垃圾清理功能成为首选工具。注意事项包括测试材料一致性、文件命名冲突处理和超时设置。

C++ 是一门不原谅粗心的语言,而我恰好喜欢这种不原谅。 我是 x,正在成为更严谨的 C++ 开发工程师的路上。 511

PDF权限受限怎么办?3种方法解除PDF复制、打印和编辑限制

PDF可打开却无法复制、打印或编辑,通常因权限限制所致。本文区分“打开密码”与“权限密码”,提供三种解决方案:浏览器打印另存为PDF(无需软件,但可能影响排版)、Adobe Acrobat修改安全设置(需权限密码,保留原格式)、iLoveOFD在线工具移除限制(便捷在线处理,效果受加密方式影响)。根据文件实际状况选择合适方法,并注意敏感文件隐私安全。

秦凡凡的博客 216

Markdown 转 PDF API:表格与代码块、公开链接与私有文件

Markdown 转 PDF API 接收非空 Markdown 字符串,返回排版后的 PDF。可以用 JSON 或表单提交标题、表格、代码块等内容。公开模式返回下载 URL,私有模式返回文件引用。

DevOpenClub 专栏 174

三款实用工具推荐:PDF橡皮擦、桌签打印与Excel图表生成

推荐三款实用小工具:1. PDF橡皮擦(@lizhipei78开发),绿色版,专用于图片型PDF去水印,支持亮度调节与“胶带遮挡”功能,操作简便;2. 桌签打印工具,支持批量导入姓名、自定义背景与字体,可直接打印,适合会议桌签制作;3. Excel图表生成工具(@Duni1314开发),一键生成柱状图、饼图、甘特图等多种图表,操作简单,适合新手。三款工具均高效实用,值得收藏。下载链接:https://pan.quark.cn/s/c742b5d9413c

weixin_68551689的博客 198

CAD图纸输出为PDF格式

打印机选项输出PDF,窗口选择要打印的图纸区域。

liu3332456755的博客 16

PDF 转 Word API:单文件上传、扫描识别与 DOCX 下载

PDF 转 Word API 接收一个未加密、非空白的 PDF 文件,以 multipart 表单上传,生成 DOCX。公开模式返回下载地址,私有模式返回文件引用。文本和扫描件的转换结果都适合用原 PDF 核对。

DevOpenClub 专栏 175
上一篇: 谷歌版ChatGPT灾难级发布,市值一夜狂跌7000亿,熬夜网友:退钱!
下一篇: 15年做不好的代码搜索,用Rust重写搞定:GitHub声称能从此“改变游戏规则”
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论 8
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值