Huffman编码的C语言实现

实验原理

Huffman 编码

（1） Huffman Coding (霍夫曼编码)是一种无失真编码的编码方式，Huffman 编码是可变字长编码(VLC)的一种。
（2）Huffman 编码基于信源的概率统计模型，它的基本思路是，出现概率大的信源符号编长码，出现概率小的信源符号编短码，从而使平均码长最小。
（3）在程序实现中常使用一种叫做树的数据结构实现 Huffman 编码，由它编出的码是即时码。

Huffman编码的数据结构

typedef struct huffman_node_tag
{
    unsigned char isLeaf;//是否为树叶
    unsigned long count;//节点代表的符号加权和
    struct huffman_node_tag *parent;//父节点指针

    union//共同体：如果是叶节点，则只能有symbol，如果是非叶节点，只能有左右孩子指针
    {
        struct
        {
            struct huffman_node_tag *zero, *one;//左右孩子指针
        };
        unsigned char symbol;//符号，叶节点带有的字符
    };
} huffman_node;

typedef struct huffman_code_tag
{
    /*以比特为单位的代码的长度。 */
    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;//指向该码比特串的指针

} huffman_code;

Huffman 编码的方法

（1）统计符号的发生概率
（2）把频率按从小到大的顺序排列
（3）每一次选出最小的两个值，作为二叉树的两个叶子节点，将和作为它们的根节点， 这两个叶子节点不再参与比较，新的根节点参与比较
（4） 重复 3，直到最后得到和为 1 的根节点
（5） 将形成的二叉树的左节点标 0，右节点标 1，把从最上面的根节点到最下面的叶 子节点途中遇到的 0，1 序列串起来，就得到了各个符号的编码。

实验流程

重要代码分析

读入待编码的源文件

int
main(int argc, char** argv)//argc命令行参数个数和argv命令行参数
{
    char memory = 0;//memory为0时，为文件的编解码，memory为1时为内存的编解码
    char compress = 1;//compress为1时为编码，为0时为解码
    int opt;//getopt()的返回值 
    const char *file_in = NULL, *file_out = NULL;//输入输出文件名
    //step1:add by yzhang for huffman statistics
    const char *file_out_table = NULL;
    //end by yzhang
    FILE *in = stdin;
    FILE *out = stdout;
    //step1:add by yzhang for huffman statistics
    FILE * outTable = NULL;//用于txt文件的输出
    //end by yzhang

    /* 获取命令行参数 */
    while((opt = getopt(argc, argv, "i:o:cdhvm")) != -1)//opt的返回值为iocdhvm或-1，getopt处理以'-’开头的命令行参数
    {
        switch(opt)
        {
        case 'i'://输入文件
            file_in = optarg;//optarg为选项参数缩写，该变量存放参数
            break;
        case 'o'://输出文件
            file_out = optarg;
            break;
        case 'c'://压缩
            compress = 1;
            break;
        case 'd'://解压缩
            compress = 0;
            break;
        case 'h'://帮助显示使用方法
            usage(stdout);
            return 0;
        case 'v'://输出版本版权信息
            version(stdout);
            return 0;
        case 'm':
            memory = 1; //memory为1时为内存的编解码
            break;
        // by yzhang for huffman statistics
        case 't':
            file_out_table = optarg;            
            break;
        //end by yzhang
        default:
            usage(stderr); //如果是其他情况，则将使用方法信息送到标准错误文件
            return 1;
        }
    }

getopt()函数是Linux和Unix系统环境下解析命令行的函数。在本次实验中，命令行可设置为“-i test1.doc -o test1.huff -c -t test1.txt”

Huffman文件编码时的总流程

#define MAX_SYMBOLS 256
typedef huffman_node* SymbolFrequencies[MAX_SYMBOLS];//表示信源符号的数组
typedef huffman_code* SymbolEncoder[MAX_SYMBOLS];//表示码字的数组，用于保存码表

Huffman文