Huffman编解码

一，实验原理

1，Huffman编码原理：

1）统计：将每个符号出现的概率进行统计，并且从小到大排序。

2）合并：将出现概率最小的两个符号概率进行合并，反映在二叉树上：将两个树叶节点合并得到一个父节点。重复此步骤直到根节点。

3）编码：二叉树按照左0右1的规则编码，遍历整棵树，然后自根节点向下到每个树叶节点，可以得到每个树叶节点的编码。

2，基本数据格式定义：

节点和码字的定义见代码。

typedef struct huffman_node_tag//节点的定义
{
	unsigned char isLeaf;//指示是否是树叶节点，1是，0不是
	unsigned long count;//指示该字节出现的次数（用于统计概率）
	struct huffman_node_tag *parent;//指向父节点的指针，除根节点外，每个节点必有一个父节点

	union
	{
		struct
		{
			struct huffman_node_tag *zero, *one;//除树叶节点外，每个节点必有两个指向子节点的指针，左0右1
		};
		unsigned char symbol;
	};
} huffman_node;

typedef struct huffman_code_tag//码表的定义
{
	/* The length of this code in bits. */
	unsigned long numbits;

	/* The bits that make up this code. The first
	   bit is at position 0 in bits[0]. The second
	   bit is at position 1 in bits[0]. The eighth
	   bit is at position 7 in bits[0]. The ninth
	   bit is at position 0 in bits[1]. */
	unsigned char *bits;
} huffman_code;

二，实验流程及代码分析

1，Huffman编码流程

1）读入文件

2）第一次扫描文件，统计文件中各个字符出现的概率

3）建立码树

4）将码表写入文件

5）第二次扫描文件，对源文件进行编码并输出

2，代码分析

1）主函数操作：读取文件

int
main(int argc, char** argv)
{
	char memory = 0;//指示是否操作内存数据
	char compress = 1;//此处表示编码过程，若为0则表示为解码过程
	int opt;
	const char *file_in = NULL, *file_out = NULL;
	FILE *in = stdin;
	FILE *out = stdout;

	/* Get the command line arguments. */
	while((opt = getopt(argc, argv, "i:o:cdhvm")) != -1)//读取命令行参数，此处利用getopt函数读取，最后一个参数是单个字符。
	{
		switch(opt)
		{
		case 'i'://input
			file_in = optarg;
			break;
		case 'o'://output
			file_out = optarg;
			break;
		case 'c'://code
			compress = 1;
			break;
		case 'd'://decode
			compress = 0;
			break;
		case 'h'://输出参数用法的说明
			usage(stdout);
			return 0;
		case 'v'://输出版本号的信息
			version(stdout);
			return 0;
		case 'm'://对内存解码
			memory = 1;
			break;
		default:
			usage(stderr);
			return 1;
		}
	}

	/* If an input file is given then open it. */
	if(file_in)//读取输入文件
	{
		in = fopen(file_in, "rb");
		if(!in)
		{
			fprintf(stderr,
					"Can't open input file '%s': %s\n",
					file_in, strerror(errno));
			return 1;
		}
	}

	/* If an output file is given then create it. */
	if(file_out)//读取输出文件
	{
		out = fopen(file_out, "wb");
		if(!out)
		{
			fprintf(stderr,
					"Can't open output file '%s': %s\n",
					file_out, strerror(errno));
			return 1;
		}
	}

	if(memory)//对内存数据进行编解码操作
	{
		return compress ?
			memory_encode_file(in, out) : memory_decode_file(in, out);
	}

	return compress ?
		huffman_encode_file(in, out) : huffman_decode_file(in, out);
}

2）对文件编码：编码函数->huffman_encode_file()

int
huffman_encode_file(FILE *in, FILE *out)
{
	SymbolFrequencies sf;
	SymbolEncoder *se;
	huffman_node *root = NULL;
	int rc;
	unsigned int symbol_count;

	/* Get the frequency of each symbol in the input file. */
	symbol_count = get_symbol_frequencies(&sf, in);//第一遍扫描，统计字节出现的频率（再文件中，符号用字节表示）

	/* Build an optimal table from the symbolCount. */
	se = calculate_huffman_codes(&sf);//建立码树，得到码表
	root = sf[0];//表示根节点为sf[0]

	/* Scan the file again and, using the table
	   previously built, encode it into the output file. */
	rewind(in);//回到文件头，为第二次扫描做准备
	rc = write_code_table(out, se, symbol_count);//再输出文件中写入码表
	if(rc == 0)
		rc = do_file_encode(in, out, se);//