在我们的软件中，我们有一个 GZIP (RFC 1952) 压缩/解压缩接口，目前由 boost::iostreams 提供支持。由于链接原因我们可能需要更改底层库，我想为 GZIP 压缩和解压缩添加更多测试，即精确的逐字节比较。
是否有任何官方或广泛使用的 GZIP 测试向量？
【问题讨论】：
如 cmets 中所述，您无法以任何固定期望测试压缩机的输出。允许压缩器使用相同的输入数据生成范围广泛的可能结果。最简单的例子是选择不同的压缩级别以权衡速度与大小。压缩器唯一需要保证的是，当它的结果被解压缩时，你会得到压缩器的输入。
因此，有两种测试是有意义的。第一个是往返测试，您在其中测试压缩，然后进行解压缩，并验证您得到的内容就是您输入的内容。@sehe 的答案为语料库提供了很好的资源，为压缩器提供了各种输入数据。您还应该从您的应用程序中生成您自己的测试数据。
第二个是使用各种无效输入测试解压缩器，以确保它运行良好，即它返回错误而不是崩溃。对于后者，您可以查看infcover.c，其中包括带有各种错误的放气测试序列。
【讨论】：
通用无损数据压缩领域的研究人员使用了三个著名的数据集。第一个是卡尔加里语料库，由 Bell 等人于 1989 年引入。语料库中的文件被选择用来掩盖计算机处理中使用的典型数据类型。这个语料库比较老，它包含了一些已经过时的数据类型，但是这个语料库仍然是许多作者使用的一个很好的基准。后来提出的语料库 Canterbury 语料库和大型 Canterbury 语料库包含大小相似的文件，小于 5 MB。
历史语料库包括
我发现的最有希望的页面是：
致谢：最后一个链接提供了我用作介绍的文字。您可以阅读有关“旧”语料库各自缺点的更多信息
【讨论】：