基于Huffman算法实现文件压缩解压缩（C语言）

一、实现步骤

1. 统计源文件中字符种类和频率
2. 建立Huffman编码树
3. 生成Huffman编码表
4. 压缩文件时，字符匹配编码，将编码写入压缩后文件
5. 解压缩文件时，读取编码，匹配编码表中的字符，写入解压缩后的文件

二、读取文件

为了能够处理任何格式的文件，采用二进制方式读写文件，以一个无符号字符（unsigned char）的8位类型为一个处理单元，最多有0~255种，即256种。

三、字符频率的统计

两种方案：

1. 链表存储，每扫描到一种新字符就动态分配内存。链表在需要时分配内存，这样节省内存，但是每读取一个字符就要扫描一次链表，当字符很多时，时间效率太低，最坏达到O(n^2)。
2. 利用桶排序的思想。因为仅有256种字符，使用静态内存，定义一个长度为256的数组，数组下标对应字符种类，不需要扫描数组就可以找到每一类字符的位置，每次读取一个新字符时，根据下标直接将相应数组元素的频率加一，时间效率更好。因为不是每一种字符都会出现，所以，统计完字符频率后，对它进行排序，降序排列，将字符频率为0的元素删除。

四、建立Huffman森林

Huffman节点包含字符种类、权重、父节点和左右孩子的信息。对每一种字符，分别建立一棵单节点的Huffman树，权重取作该字符的频率。将每一个Huffman节点的成员进行初始化。

五、建立Huffman编码树

每次从Huffman森林中选取两棵根节点权重最小的树，创建一个新节点，并分别以这两棵树作为其左右子树，合并为一棵更高的树，新树根节点的权重取作二者权重之和，设置根节点的左右孩子和两棵子树的父亲信息。这一选取、合并的过程反复进行，每经过一轮迭代，Huffman森林中的树就减少一棵，当最终森林中仅包含一棵树时，就是Huffman编码树。

六、生成Huffman编码

每一类字符对应一个Huffman编码，从叶节点（字符所在节点）从下往上生成每一类字符的编码，左’0’右’1’。为了得到正确的编码，定义一个缓存字符数组，从后往前保存，然后从前往后将编码复制到对应的编码域中。对于缓存字符数组的大小，由于字符种类最多有256种，即建立的Huffman编码树最多有256个叶节点，即树的最大深度为255，编码最长是255，所以为缓存字符数组分配256个字节的空间，最后一位用于保存字符串结束标志’\0’。

七、文件压缩

上面建立编码树时以8位为一个单元编码，压缩时也以8位为一个处理单元。
首先，将字符种类、频率和编码表存储在压缩目标文件中，供解压时使用。
然后，以二进制形式打开源文件，每次读取一个8位的无符号字符，循环扫描匹配存储于Huffman编码树中编码，
由于编码长度不定，需要一个编码缓存，待编码满足8位后才写入，文件结束时缓存中可能不足8位，在后面补0，补足8位后写入文件。
在Huffman节点中，编码的每一位以字符形式保存，占用空间大，不可以直接写入压缩文件，需要转换为二进制形式写入。利用C语言的位操作，与、或、移位，来实现，每匹配一位，用‘或’操作存入低位，并左移1位，为下一位腾出位置，依此循环，满足8位就写入一次。

八、文件解压缩

以二进制形式打开压缩文件。
首先，读取文件前端的字符种类数目，据此分配内存空间，随后读取字符-编码表保存到分配的节点中，再读取文件长度
然后，以8位为单元，读取随后的编码匹配对应的字符，这里依然使用前面压缩时用的方法，即C语言的位操作，同0x80进行与操作，判断8位字符的最高位是否为’1’，对比一位后，左移一位，将最高位移除，次高位移到最高位，依次对比。这次是编码向字符反向对比，与压缩时相反，需要用读取的编码逐位与编码表中的编码进行对比，对比一位后，增加一位再对比，每次对比都是一个循环（与每个字符的编码对比），时间效率低。
将Huffman编码树保存在文件中，解码时，从树根到叶节点对比编码，只要按照编码对树进行遍历，到达叶节点后即是一个字符，然后返回根节点，继续下一次遍历，时间效率高。
然而树节点中有字符、编码、父亲、左右孩子，而且父亲和孩子都是整型，占用空间大，会导致压缩文件变大。可以只存储字符以及对应的频率，解码时读取字符频率序偶即可重建Huffman编码树，这样节省了空间。
虽然，重建Huffman编码树也要花费一定时间，但相对上面的与编码表匹配的方法，时间效率更高。