706被浏览114921分享邀请回答import struct, os
filename, count_one, count_zero = 'example.txt', 0, 0
for current_byte in list(open(filename,'rb').read()):
count_one += bin(struct.unpack("B",current_byte)[0]).count('1')
count_zero = os.path.getsize(filename) * 8 - count_one
print 'One: ' + str(count_one) + ' times\nZero: ' + str(count_zero) + ' times\nOne/Zero: ' + str(float(count_one)/float(count_zero))
我也写了个程序来统计1和0出现的数量，Python版，6行实现。一次全载入内存，空间换时间，毕竟固态硬盘再强，随机读写性能也比不过内存，也省得分块读取了了。程序GitHub地址：以英文版圣经为例：One:
timesZero:
timesOne/Zero: 0.[Finished in 2.7s]Python英文官方文档5. Built-in Types：One: 327325 timesZero: 396891 timesOne/Zero: 0.[Finished in 0.2s]美国国宝Justin Bieber知名歌曲《Baby》的歌词One: 7090 timesZero: 9134 timesOne/Zero: 0.[Finished in 0.1s]大家可以看到1与0的比值是一直在0.8附近波动的，这是因为英语字母是以ASCII码在计算机中保存的，大写字母的ASCII码范围是从011010，小写字母则是从111010。ASCII码都是以0开头，并且英语文章中中字母并不是等概率出现。根据对大部分文章的统计，可以得到英文字母使用概率表。英文字母使用频率表:(%)
A 8.19 B 1.47 C 3.83 D 3.91 E 12.25 F 2.26 G 1.71
H 4.57 I 7.10 J 0.14 K 0.41 L 3.77 M 3.34 N 7.06
O 7.26 P 2.89 Q 0.09 R 6.85 S 6.36 T 9.41
U 2.58 V 1.09 W 1.59 X 0.21 Y 1.58 Z 0.08 可以看到概率是各不相同的，不过上表缺少了空格以及标点。用这些概率乘上对应 ASCII码的 1与0的比 并累加就可以得到这个结果，应该是0.8附近（我其实没算……从实际测试来看应该是这个数值）然后是中文，UTF-8编码24位表示一个汉字史诗巨作《斗破苍穹》UTF-8版：One:
timesZero:
timesOne/Zero: 1.[Finished in 10.8s]经常写正则表达式的朋友肯定知道UTF-8中汉字对应的区块是：[\u4e00-\u9fa5]
换成二进制也就是000 - 0101。第一个字是：
10000000 （一）最后一个字是：
10100101 （龥）汉字数量比较多，各个汉字的权重实际上影响不是特别大。因为UTF-8汉字编码前4位必然是1110，并且汉字二进制编码范围如上所述。所以实际中，UTF-8汉语文字里 1与0的比 会略高于1，根据我自己的语料库来看，在1.10左右。GBK正则表达式匹配则是这样写的：[\x80-\xFF]
但是这个范围还包含了全角标点，同理，这里同样给出参考：史诗巨作《斗破苍穹》GBK版：One:
timesZero:
timesOne/Zero: 1.[Finished in 7.5s]至于EXE，因为编译出来的结果常常会有大片的、连续为零的冗余段，实际有不少exe一零比会远远低于1，例如世界上最好的语言的解释器的前端：One: 200601 timesZero: 409703 timesOne/Zero: 0.[Finished in 0.1s]这是java.exeOne:
595247 timesZero: 931601 timesOne/Zero: 0.[Finished in 0.2s]EXE这个因程序而异，实际各个程序间区别很大。剩下的例如JPG、MP3、RAR等等带压缩文件的1 & 0则是接近等概率分布。因为它们是压缩文件，二元信源中信息熵：图像为倒U型，当P=0.5时取得信息熵H(X)最大。而信息熵越大，表示占用二进制位越长，因此就可以表达更多符号。数据压缩正是基于这一点，当这个文件趋近于无法再压缩时，信息熵趋近于1。因为目前的压缩算法都比较优秀了，所以这些带压缩文件的 1和0的比值 都是趋近于1的。例如这个 Fate/Zero 的字幕文件的压缩包：（压缩一般来说还是需要比较大的文件才有明显的效果，这个文件尺寸算是中等，可以作为参考）例如这个 Fate/Zero 的字幕文件的压缩包：（压缩一般来说还是需要比较大的文件才有明显的效果，这个文件尺寸算是中等，可以作为参考）One:
1820004 timesZero: 1805588 timesOne/Zero: 1.[Finished in 0.5s]上文中的php.exe压缩后的php.rar：One:
134836 timesZero: 134892 timesOne/Zero: 0.[Finished in 0.2s]但是我不想跑整个硬盘，太伤，跑坏了我价值连城的固态硬盘你们赔我？反正你的硬盘内容肯定跟我不一样，我这里大片大片One/Zero = 0.8的项目代码，还有大片大片的 One/Zero ≈ 1.0的 MP3、小本子、片子。但是我不想跑整个硬盘，太伤，跑坏了我价值连城的固态硬盘你们赔我？反正你的硬盘内容肯定跟我不一样，我这里大片大片One/Zero = 0.8的项目代码，还有大片大片的 One/Zero ≈ 1.0的 MP3、小本子、片子。总体来说大部分文件1&0还是趋向于等概率分布，因为文件压缩技术随着计算机性能的提升已经得到了广泛的推广，但是实际比值多少还是跟硬盘文件比例有关，因人而异，要看你硬盘里主要文件类型是什么。2K93 条评论分享收藏感谢收起5219 条评论分享收藏感谢收起查看更多回答}