哈夫曼编码(Huffman Coding)
——牛客<美团点评>笔试【编程题】 字符编码
最近,春招实习生开始了,相信大家都开始准备各种面试、笔试了。
博主也不例外,走上了起早贪黑,看书、刷题的不归路。作为人生的第一篇博客(之前确实太懒),在这里给大家带来一篇 哈夫曼编码 相关知识的讲解与代码分享,同时也作为一个算法笔记,有兴趣的同学可以来看看,有写的不对的地方欢迎指出,祝大家都能拿到一个好的offer。
首先是 哈夫曼编码 的一些理论基础
哈夫曼树又称最优二叉树,是一种带权路径长度最短的二叉树。所谓树的带权路径长度,就是树中所有的叶结点的权值乘上其到根结点的路径长度(若根结点为0层,叶结点到根结点的路径长度为叶结点的层数)。树的带权路径长度记为WPL=(W1*L1+W2*L2+W3*L3+…+ Wn*Ln),N个权值Wi(i=1,2,…n)构成一棵有N个叶结点的二叉树,相应的叶结点的路径长度为Li(i=1,2,…n)。可以证明哈夫曼树的WPL是最小的。
构造哈夫曼树的算法如下:
1)对给定的n个权值{W1,W2,W3,…,Wi,…,Wn}构成n棵二叉树的初始集合F={T1,T2,T3,…,Ti,…, Tn},其中每棵二叉树Ti中只有一个权值为Wi的根结点,它的左右子树均为空。
2)在F中选取两棵根结点权值最小的树作为新构造的二叉树的左右子树,新二叉树的根结点的权值为其左右子树的根结点的权值之和。
3)从F中删除这两棵树,并把这棵新的二叉树同样以升序排列加入到集合F中。
4)重复2)和3),直到集合F中只有一棵二叉树为止。
简而言之,就是要先知道一系列的权值信息(比如说要编码字符串的每个字符出现频率),然后把它们分别作为哈夫曼树中各个叶子节点的权值,接下来呢就需要由叶子节点来自下往上构造哈夫曼树了。
构造的思路是这样的:所有的叶子节点构成了最初的森林(所有树的集合),我们可以使用priority_queue对这些树进行管理,使得集合中的数据始终保持着递增的顺序。然后,每次就让前两个元素出队,再构造一个新的节点(树),其权值为出队的两个元素权值之和,左子树为前面第一个元素,右子树为前面第二个元素,这样集合中元素的个数-1。如此做,直至集合中只剩余一个节点(根节点)为止,此时仅有的这棵树便是哈夫曼树。
以美团的这题为例
输入
MT-TECH-TEAM
输出
33
具体编码流程如下
至此,哈夫曼树完成构造,接下来只需要遍历统计即可。
附上具体实现代码
#include<iostream>
#include<stdlib.h>
#include<string.h>
#include<stdio.h>
#include<algorithm>
using namespace std;
/**哈夫曼编码思想**/
typedef struct Node
{
char typeChar;
int rate;
Node *leftChild;
Node *rightChild;
}charNode;
//存放输入的字符种类
char *inputStr;
//存放字符节点的数组
Node nodes[200 + 199];
//总的节点数
int total;
//记录当前所处的深度
int depth;
//统计数量
int getNum(char *in, char c)
{
int times = 0;
for (int i = 0; i <= strlen(in); i++)
{
if (*(in + i) == c) times++;
}
return times;
}
//统计输入的字符种类(当时写的这方法不好,个人推荐使用hash存储的方式统计)
int getTypeChar(char *in)
{
inputStr = (char *)malloc(sizeof(char)*200);
memset(inputStr, '\0', sizeof(inputStr));
int p = 0;
bool isAdded;
//cout<<strlen(in)<<endl;
for (int i = 0; i<strlen(in); i++)
{
isAdded = false;
if (p == 0)
{
*inputStr = *in;
nodes[p].typeChar = *inputStr;
nodes[p].rate = getNum(in, *in);
nodes[p].leftChild = NULL; //叶节点
nodes[p].rightChild = NULL; //叶节点
p++;
continue;
}
for (int j = 0; j<p; j++)
{
if (*(inputStr + j) == *(in + i))
{
isAdded = true;
break;
}
}
if (!isAdded)
{
inputStr[p] = *(in + i);
nodes[p].typeChar = *(inputStr + p);
nodes[p].rate = getNum(in, *(in + i));
nodes[p].leftChild = NULL; //叶节点
nodes[p].rightChild = NULL; //叶节点
p++;
}
}
return p;
}
//给排序函数使用的比较函数
bool compNode(const Node & node1, const Node & node2)
{
if (node1.rate <= node2.rate)
{
return true;
}
else
{
return false;
}
}
//哈夫曼编码
void huf(int startIndex, int endIndex, int length)
{
sort(nodes + startIndex, nodes + startIndex + length, compNode);
nodes[endIndex + 1].rate =
nodes[startIndex].rate + nodes[startIndex+1].rate;
nodes[endIndex + 1].leftChild = &nodes[startIndex];
nodes[endIndex + 1].rightChild = &nodes[startIndex+1];
if (endIndex + 1 != total)
{
huf(startIndex + 2, endIndex + 1, length - 1);
}
}
int depthFirst(charNode *);
//遍历哈夫曼树,计算出编编码长度
int getCodeLength(int lastIndex)
{
charNode *root = &nodes[lastIndex];
depth = -1;
return depthFirst(root);
}
//递归遍历
int depthFirst(charNode *node)
{
depth++;
if (node->leftChild == NULL && node->rightChild == NULL)
{
return node->rate * depth;
}
else
{
int leftSize = depthFirst(node->leftChild);
depth--;
int rightSize = depthFirst(node->rightChild);
depth--;
return leftSize + rightSize;
}
}
int main()
{
char *in;
int num; //不同字符的数量
in = (char *)malloc(sizeof(char) * 1000);
while(scanf("%s", in) != EOF)
{
num = getTypeChar(in);
if(num == 1)
{
cout<<strlen(in)<<endl;
continue;
}
total = num * 2 - 1;
huf(0, num - 1, num);
cout<<getCodeLength(total-1)<<endl;
}
return 0;
}
如果只是为了AC也不需要写这么复杂。不过此处主要考虑到对 哈夫曼编码 的理解,所以代码方面就自己构造结构体、指针去实现了
另外代码中用到的二叉树一个重要性质
对于任意二叉树,设拥有叶子结点a个,二度节点b个,则满足: