所谓压缩，就是读取数据并对其进行编码(修改格式)的操作，以便减少数据占用的空间

解压缩，是压缩的逆过程，即将数据恢复成原始数据

数据类型占用的二进制位数要比实际的数据多，所以我们可以考虑对数据进行压缩的办法，就是对存储它的数据类型进行压缩。

以DNA组成的基因为例，核苷酸一般的值为A，T，C，G这4个，

如果基因的序列使用字符串来存储，则，每个核苷酸占1个字符，即8个二进制。

但是发现如果只有4个值的话，我们完全可以用2个二进制来存储，即00,01,10,11,4个来存储序列，这样原本需要8个二进制位来存储，现在只需要2个二进制位，相当于每个字符串的存储空间可以减少75%。

然而，Python中不包含可处理任意长度位串的现成结构体。因此，

from __future__ import absolute_import
from __future__ import unicode_literals


class CompressedGene:
    def __init__(self, gene: str) -> None:
        self._compress(gene)

    def _compress(self, gene: str) -> None:
        self.bit_string: int = 1
        for nucleotide in gene.upper():
            self.bit_string <<= 2
            if nucleotide == "A":
                self.bit_string |= 0b00
            elif nucleotide == "T":
                self.bit_string |= 0b01
            elif nucleotide == "C":
                self.bit_string |= 0b10
            elif nucleotide == "G":
                self.bit_string |= 0b11
            else:
                raise ValueError('Invalid Nucleotide: {}'.format(nucleotide))

    def decompress(self) -> str:
        gene: str = ""
        for i in range(0, self.bit_string.bit_length() - 1, 2):
            bits: int = self.bit_string >> i & 0b11
            if bits == 0b00:
                gene += "A"
            elif bits == 0b01:
                gene += "T"
            elif bits == 0b10:
                gene += "C"
            elif bits == 0b11:
                gene += "G"
            else:
                raise ValueError("Invalid bits:{}".format(bits))
        return gene[::-1]    # 技巧：切片反转打印

    def __str__(self):
        return self.decompress()


if __name__ == '__main__':
    from sys import getsizeof

    original: str = "TAGGGATTAACCGTTATATATATATAGCCATGGATCGATTATATAGGGATTAACCGTTATATATATATAGCCATGGATCGATTATA" * 100
    print("original is {} bytes".format(getsizeof(original)))
    compressed: CompressedGene = CompressedGene(original)
    print("compressed is {} bytes".format(getsizeof(compressed.bit_string)))
    print(compressed)
    print("original and decompressed are the same: {}".format(original == compressed.decompress()))

练习

编写int封装类，以使其能通用地当作位序列来使用