1、霍夫曼编码
计算机里每个字符在没有压缩的文本文件中都由一个字节(如ASCII码)或两个字节(如Unicode码)表示。这些方案中,每个字符需要相同的位数。
字母对应的ASCII码类似这样:
字母 十进制 二进制
A 65 01000000
B 66 01000001
C 67 01000001
… … …
X 88 01001100
Y 89 01001100
Z 90 01011010
S出现的频率最多,我们可以将它的编码设为10,其次是空格,我们将它设置为00,接下来的编码必须增加位数了。
三位码我们有八种选择:000、001、010、011、100、101、110、111。
但是,以10或00开头的是不能使用的,只能从010,011,110,111中选择。因为如果我们用101表示I,用010表示Y,101010既可以分解为101、010两个有意义的编码,也能分解为10,10,10三个有意义的编码,这显然是不允许的。
我们必须保证,任何信息编码之后,解码时都不会出现歧义。借助霍夫曼树就能便捷的实现编码。
2、霍夫曼树
霍夫曼树是最优二叉树。
树的带权路径长度规定为所有叶子结点的带权路径长度之和,带权路径长度最短的树,即为最优二叉树。
在最优二叉树中,权值较大的结点离根较近。
首先就需要构建一个霍夫曼树,一般利用优先级队列来构建霍夫曼树。
以上面的消息为例,我们先来分析一下构建霍夫曼树的过程,下图中,if代表换行符,sp代表空格。
首先,将字符按照频率插入一个优先级队列,频率越低越靠近队头,然后循环执行下面的操作:
取出队头的两个树
以它们为左右子节点构建一棵新树,新树的权值是两者之和
将这棵新树插入队列
直到队列中只有一棵树时,这棵树就是我们需要的霍夫曼树。
接下来我们用java来实现上面的过程。
节点类
public class Node {
private String key; //树节点存储的关键字,如果是非叶子节点为空
private int frequency; //关键字词频
private Node left; //左子节点
private Node right; //右子节点
private Node next; //优先级队列中指向下一个节点的引用
public Node(int fre,String str){
//构造方法1
frequency = fre;
key = str;
}
public Node(int fre){
//构造方法2
frequency = fre;
}
public String getKey() {
return key;
}
public void setKey(String key) {
this.key = key;
}
public Node getLeft() {
return left;
}
public void setLeft(Node left) {
this.left = left;
}
public Node getRight() {
return right;
}
public void setRight(Node right) {
this.right = right;
}
public Node getNext() {
return next;
}
public void setNext(Node next) {
this.next = next;
}
public int getFrequency() {
return frequency;
}
public void setFrequency(int frequency) {
this.frequency = frequency;
}
}
用于辅助创建霍夫曼树的优先级队列:
```java
public class PriorityQueue {
private Node first;
private int length;
public PriorityQueue(){
length = 0;
first = null;
}
//插入节点
public void insert(Node node){
if(first == null){
//队列为空
first = node;
}else{
Node cur = first;
Node previous = null;
while(cur.getFrequency() < node.getFrequency()){
//定位要插入位置的前一个节点和后一个节点
previous = cur;
if(cur.getNext() == null){
//已到达队尾
cur = null;
break;
}