深入理解 哈夫曼编码

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：
　　　　

$$a = b + 1$$

---