无损数据压缩（Lossless Compression）是指资料经过压缩后，信息不被破坏，还能完全恢复到压缩前的原样。相比之下，有损数据压缩只允许一个近似原始资料进行重建，以换取更好的压缩率。
无损数据压缩（Lossless Compression），是指资料经过压缩后，信息不被破坏，还能完全恢复到压缩前的原样。相比之下，有损数据压缩只允许一个近似原始资料进行重建，以换取更好的压缩率。无损数据压缩在许多应用程序中使用。例如，ZIP 和 gzip。
无损数据压缩通常用于严格要求“经过压缩、解压缩的资料必须与原始资料一致”的场合。典型的例子包括文字档、程序可执行文件、程序源代码。有些图片文件格式，例如 PNG 和 GIF，使用的是无损数据压缩。其他例如 TIFF、MNG 则可以采用非破坏性或破坏性压缩。
非破坏性音频格式最常用于归档或制作用途。破坏性音频格式则常用于便携式播放器或存储空间受限制的设备，或不要求音频完全还原的情况。
无损数据压缩技术
多数的无损数据压缩程序会依序进行这两个步骤：
产生输入资料的统计模型利用这个统计模型将较常出现的资料用较短的比特序列表示，较不常出现的资料用较长的比特序列表示
生成比特序列的编码算法主要有霍夫曼编码（也用于 DEFLATE）和算术编码。算术编码能使压缩率接近信息熵所给出的最佳可能压缩率。而霍夫曼编码较简单快速，但在符号的出现几率接近 1 的时候效果不彰。
有两种建构统计模型的主要方法：
在 静态 模型中，会分析资料并创建一个模型，然后将这个模型存储在压缩资料中。这个方法较简单且模块化，但缺点是模型本身可能耗费庞大的空间来存储。而且这个方法对单次的全部压缩资料都使用同一个统计模型，所以如果各个文件之间差异甚大，压缩效果并不好。在 自适应 模型中，压缩资料的同时模型会不断的更新。虽然会导致压缩初期的压缩率不理想，但随着读取的资料增加，压缩效果也会提升。目前最热门的压缩方法都采用自适应编码方法。
霍夫曼编码与算术编码比较
霍夫曼编码是将每一笔资料分开编码算术编码则是将多笔资料一起编码，因此压缩效率比霍夫曼编码更高，近年来的资料压缩技术大多使用算术编码
