文件压缩（二）——英文字符串的处理

文件压缩（一）——Huffman树的构建

在前一篇文章中，我们已经构建了一棵Huffman树了，今天我们将利用这棵Huffman树来实现英文字符串的压缩和解压缩。

一、字符串在JAVA中的储存

String字符串相当于一个char型数组，和C++不同的是，JAVA采用的是unicode编码，每个char型数据占2个字节，只不过对于ASCII码中的字符，它的第一个字节位全0。浪费了一些空间。而存汉字的时候就需要用到两个字节。这里我们为了简便起见，只对ASCII码中的字符进行处理，也就是平常生活中的纯英文文件。因此我们在压缩的过程中只需关注字符的第二个字节位即可。

二、压缩的过程

1.获取字符编码

2.压缩过程

3.解压缩的过程

三、具体的代码（建Huffman树部分的代码见前一篇博客）

//构造Huffman树

import java.util.ArrayDeque;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Queue;

public class Huffman {
	
	public static void main(String[] args) {
		//读取相应的字符串		
		String str = "aadefefbcffbaeadde";//待处理的文本
	    HashMap<Character,Integer> Charmap = new HashMap<Character,Integer>();
	    //将字符串解析为字符数组
	    char[] arr = str.toCharArray();
	    for (char ch : arr) {
	         //如果找到了相应的字符，则权值加1，否则就把这个字符加到map中
	            if (Charmap.containsKey(ch)) {
	                Integer old = Charmap.get(ch);
	                Charmap.put(ch, old + 1);
	            } else {
	                Charmap.put(ch,1);
	            }
	    }
	    System.out.println(Charmap);	
		
	    //把map中的储存的信息传递给nodes数组，以便建立Huffman树
		List<Node> nodes=new ArrayList<Node>();
		for(Character key:Charmap.keySet()) {
			Integer value= Charmap.get(key);
			nodes.add(new Node(key,value));
		}
		
		Node root=Huffman.creatTree(nodes);//调用建树函数
		//用一个数组来存储所有的节点信息
		List<Node> list=new ArrayList<Node>();
		list=Huffman.breadthFirst(root);		
		
		//这里只能用泛型的类型数据，比如int只能用Integer,这里的char只能用Character来代替
		//储存编码的数组
		HashMap<Character,String> map=new HashMap<Character,String>();
		HashMap<String,Character> DecompressMap=new HashMap<String,Character>();
		
		for(int i=0;i<list.size();i++) {
			//判断字符是否存在，若存在则将其加入到Hashmap中
			if(list.get(i).data!=null) {
				//这里的data本来不也是char型的吗？？？
				map.put((Character) list.get(i).data, list.get(i).code);
				DecompressMap.put( list.get(i).code, (Character) list.get(i).data);
			}
		}
		System.out.println(map);//字符串压缩
		System.out.println(DecompressMap);
		
		Compress com=new Compress(str,map,DecompressMap);
		com.CompressWay();//调用压缩方法
		com.DecompressWay();//调用解压缩方法
		//压缩前的文本
		System.out.println("压缩前的文本:"+com.text);
		System.out.println("压缩后的文本:"+com.CompressText);
		System.out.println("解压缩后的文本:"+com.DecompressText);
	}
	
}

//构架一个压缩文件类
import java.util.HashMap;
public class Compress {
	private static final String Binarytemp = null;
	private static final String String = null;
	public String text;//待压缩的字符串
	public HashMap<Character,String> map=new HashMap<Character,String>();//每个字符所对应的Huffman编码
	public HashMap<String,Character> DecompressMap=new HashMap<String,Character>();//每个字符所对应的Huffman编码
	public String CompressText;//压缩后的文件
	public int CharacterNumber;//用来保存待压缩文件的字符个数
	public String DecompressText="";//解压缩后的文本
	
	//构造函数
	public Compress(String text,HashMap<Character,String> map,HashMap<String,Character> DecompressMap) {
		this.text=text;
		this.map=map;
		this.DecompressMap=DecompressMap;
	}
	
	//定义压缩文件的方法
	public void CompressWay() {
		CharacterNumber=text.length();
		//遍历待压缩的字符串，找出相应的Huffman编码
		String buff="";//保存编码
	    char[] arr = text.toCharArray();
	    for (char ch : arr) {
	         buff=buff+map.get(ch);
	    }
	    //将buff转化为8的整数，不足补0
	    while((buff.length())%8!=0) {
	    	buff=buff+"0";
	    }
	    CompressText="";
	    char[] buffarray = buff.toCharArray();//把buff转化为字符数组
	    for(int i=0;i<buff.length();i=i+8) {
	    	int characterNumber=0;//
	    	//从倒数第二为开始每位都要乘以二
	    	for(int j=i;j<i+7;j++) {
	    		//如果是1则加1乘以2
	    		if(buffarray[j]=='1') characterNumber=(characterNumber+1)*2;
	    		//如果是0则直接乘以2
	    		else characterNumber=characterNumber*2;
	    	}
	    	//最低位直接加1
	    	if(buffarray[i+7]=='1') characterNumber=characterNumber+1;
	    	CompressText=CompressText+(char)(characterNumber);
	    }
	}
	
	//定义一个解压缩的方法
	public void DecompressWay() {
		//先把字符串转化为字符数组
		char[] CompressTextArray=CompressText.toCharArray();
		String result="";//保存转化后的二进制数据
		for(int i=0;i<CompressText.length();i++) {
			//利用char型字符已经存在的方法把字符转化为二进制,注意char数据在转化为二进制时不会自动在高位补0
			String Binarytemp=Integer.toBinaryString(CompressTextArray[i]);
			int count=0;
			while(Binarytemp.length()+count<8) {
				result=result+"0";
				count++;
			}
			result+=Binarytemp;
		}
		char[] resultArray=result.toCharArray();
		int count=0;
		//当解码的字符跟我们压缩的字符相等时，就退出
		String temp="";
		for(int i=0;i<result.length();i++) {
			temp+=resultArray[i];
			//如果没有找到相应的编码，就不断往后取字符
			while(DecompressMap.get(temp)==null) {
				//没有找到，则往下走一个位置
				i++;
				temp=temp+resultArray[i];
			}
			//跳出循环时说明已经找到一个字符了
			DecompressText=DecompressText+DecompressMap.get(temp);
			count++;//找到的字符数量加1
			//如果字符都找到了，就退出		
			temp="";//清空temp
			if(count==CharacterNumber) break;
		}
	}
}

四、反思总结

1.我们在把字符转化为相应的二进制序列时，需要将其进行补位，使其变成8的整数，因为每一个字符都是8个bit位。而在解压缩的时候要把补上的无效的0去掉。这里利用了一个int型数据CharacterNumber来保存压缩的字符个数，在解压缩时一旦解压的字符数量已经达到这个数量，则强制退出解压的循环。

2.在利用char型数据的toBinaryString方法把字符转化为二进制时,需要注意char数据在转化为二进制时不会自动在高位补0，它会默认这些高位0是无效位。因此我们需要手动把前面的这些高位0补上去。