为什么相同的数据在文本文件中比在 Excel 文件中占用更多空间？

Question

我有大约 100000 行数据。如果我以文本文件格式存储这些数据，它比以 Excel 文件格式存储它需要更多的空间。这是为什么？

Answer 1

现代 Excel 使用的xlsx格式实际上是一种压缩格式。它是一个 ZIP 档案，其中包含特定结构的文本 (XML) 文件。

如果您使用类似的 ZIP 压缩工具压缩纯文本文件，您应该获得类似的文件大小。

此外，正如Bradley Uffner和Morgen在评论中所提到的，Excel 将对相同的字符串进行重复数据删除，并且只存储它们的一个副本。我不确定这种方法的确切收益，这将取决于您的数据集，但简单的 zip 压缩可能会让您获得大部分收益。¹

9.1.3 物理包

每个 Office Open XML 文档都作为 ZIP 存档实现。

— ECMA-376-1:2016

¹我的猜测是，当您有多个工作表时，这种重复数据删除最有效，因为 zip 压缩独立应用于存档中的每个文件，并且一次仅适用于有限的数据部分 - 通过将所有字符串一起存储在一个文件中，对后面的压缩应该有些好处。更实际的是，如果您的纯文本格式无论如何都在单个文件中，那么可能几乎没有区别。

Answer 2

如果您有一个像 3.14159265359 这样的数字，则需要 13 个字节才能将其存储在文本文件中；如果将此数字存储为浮点数，则只需要 4 个字节。