一、应用背景
给定一段文字,如果我们统计出字母出现的频率,是可以根据哈夫曼算法给出一套编码,使得用此编码压缩原文可以得到最短的编码总长。然而哈夫曼编码并不是唯一的。例如对字符串"aaaxuaxz",容易得到字母 'a'、'x'、'u'、'z' 的出现频率对应为 4、2、1、1。我们可以设计编码 {'a'=0, 'x'=10, 'u'=110, 'z'=111},也可以用另一套 {'a'=1, 'x'=01, 'u'=001, 'z'=000},还可以用 {'a'=0, 'x'=11, 'u'=100, 'z'=101},三套编码都可以把原文压缩到 14 个字节。但是 {'a'=0, 'x'=01, 'u'=011, 'z'=001} 就不是哈夫曼编码,因为用这套编码压缩得到 00001011001001 后,解码的结果不唯一,"aaaxuaxz" 和 "aazuaxax" 都可以对应解码的结果。本题就请你判断任一套编码是否哈夫曼编码。
输入格式:
首先第一行给出一个正整数 N(2≤N≤63),随后第二行给出 N 个不重复的字符及其出现频率,格式如下:
c[1] f[1] c[2] f[2] ... c[N] f[N]
其中c[i]
是集合{'0' - '9', 'a' - 'z', 'A' - 'Z', '_'}中的字符;f[i]
是c[i]
的出现频率,为不超过 1000 的整数。再下一行给出一个正整数 M(≤1000),随后是 M 套待检的编码。每套编码占 N 行,格式为:
c[i] code[i]
其中c[i]
是第i
个字符;code[i]
是不超过63个'0'和'1'的非空字符串。
输出格式:
对每套待检编码,如果是正确的哈夫曼编码,就在一行中输出"Yes",否则输出"No"。
注意:最优编码并不一定通过哈夫曼算法得到。任何能压缩到最优长度的前缀编码都应被判为正确。
输入样例:
7
A 1 B 1 C 1 D 3 E 3 F 6 G 6
4
A 00000
B 00001
C 0001
D 001
E 01
F 10
G 11
A 01010
B 01011
C 0100
D 011
E 10
F 11
G 00
A 000
B 001
C 010
D 011
E 100
F 101
G 110
A 00000
B 00001
C 0001
D 001
E 00
F 10
G 11
输出样例:
Yes
Yes
No
No
二、具体实现
在完成这道题之前, 首先要对构建哈夫曼树和哈夫曼编码的框架有一定的理解。
之后再根据题目的要求进行恰当的修改。
以下代码参考 清华大学 《数据结构》(C语言版)严蔚敏 吴伟民 编著
---------------------------------------数组从1开始,0未用。
框架代码如下:
#include <iostream>
#include <stdlib.h>
#include <string.h>
using namespace std;
#define MAXSIZE 100
typedef struct{
int weight;
int parent,lchild,rchild;
}HTNode,*HuffmanTree;
typedef char** HuffmanCode;
void Init_HuffmanTree(HuffmanTree &HT,int n)
{
int m = 2*n-1;
HT = (HuffmanTree)malloc(sizeof(HTNode)*(m+1));
for(int i=0;i<=m;i++)
{
HT[i].parent=0;
HT[i].lchild=0;
HT[i].rchild=0;
}
}
void Select(HuffmanTree HT,int *S1,int *S2,int m)
{
int minweight=10000;
for(int i=1;i<m;i++)
{
if(HT[i].weight<minweight && HT[i].parent==0)
{
minweight = HT[i].weight;
*S1 = i;
}
}
minweight=10000;
for(int i=1;i<m;i++)
{
if(HT[i].weight<minweight && HT[i].parent==0 && i!=*S1)
{
minweight = HT[i].weight;
*S2 = i;
}
}
}
void Creat_HuffmanTree(HuffmanTree &HT,int n)
{
int m = 2*n-1;
int s1,s2;
if(n<=1)
return;
for(int i=n+1;i<=m;i++)
{
Select(HT,&s1,&s2,i);
HT[s1].parent=i;
HT[s2].parent=i;
HT[i].lchild=s1;
HT[i].rchild=s2;
HT[i].weight=HT[s1].weight+HT[s2].weight;
}
}
void Print_HuffmanTree(HuffmanTree HT,int n)
{
cout<<"index"<<"\t"<<"weight"<<"\t"<<"parent"<<"\t"<<"lchild"<<"\t"<<"rchild"<<endl;
for(int i=1;i<=2*n-1;i++)
{
cout<<i<<"\t"<<HT[i].weight<<"\t"<<HT[i].parent<<"\t"<<HT[i].lchild<<"\t"<<HT[i].rchild<<endl;
}
}
void Creat_HuffmanCode(HuffmanTree HT,HuffmanCode &HC,int n)
{
char *cd;
int c,f,start;
HC = (HuffmanCode)malloc(sizeof(char*)*(n+1));
cd = (char*)malloc(sizeof(char)*n);
cd[n-1]='\0';
for(int i=1;i<=n;i++)
{
start = n-1;
c=i;
f=HT[i].parent;
while(f!=0)
{
start--;
if(HT[f].lchild==c)
cd[start]='0';
else cd[start]='1';
c=f;
f=HT[f].parent;
}
HC[i] = (char*)malloc(sizeof(char)*(n-start));
strcpy(HC[i],&cd[start]);
}
free(cd);
}
void Print_HuffmanCode(char ch[][MAXSIZE],HuffmanCode HC,int n)
{
for(int i=1;i<=n;i++)
{
cout<<ch[i]<<" ";
cout<<HC[i]<<endl;
}
}
int main()
{
int n;
char ch[MAXSIZE][MAXSIZE];
HuffmanTree HT;
HuffmanCode HC;
cin>>n;
Init_HuffmanTree(HT,n);
for(int i=1;i<=n;i++)
{
cin>>ch[i]>>HT[i].weight;
}
Creat_HuffmanTree(HT,n);
Creat_HuffmanCode(HT,HC,n);
cout<<endl;
Print_HuffmanTree(HT,n);
cout<<endl;
Print_HuffmanCode(ch,HC,n);
cout<<endl;
return 0;
}
整体思路总结如下:
构造最优二叉树(哈夫曼树),a、b、c、d、e的权值依次为7、5、5、2、4 。 程序运行结果如上图2。
在有了相应的基础后,我们再来看这道题目。
仔细阅读题目过后我们发现,本题的初衷并不是让我们求出哈夫曼编码。题干说:“注意:最优编码并不一定通过哈夫曼算法得到。任何能压缩到最优长度的前缀编码都应被判为正确。”
这道题的解题思路为:先求出哈夫曼编码的的最短加权路径和然后再判断是不是前缀编码。两者缺一不可。
完整代码如下:
#include <iostream>
#include <stdlib.h>
#include <string.h>
using namespace std;
#define MAXSIZE 100
typedef struct{
int weight;
int parent,lchild,rchild;
}HTNode,*HuffmanTree;
typedef char** HuffmanCode;
void Init_HuffmanTree(HuffmanTree &HT,int n)
{
int m = 2*n-1;
HT = (HuffmanTree)malloc(sizeof(HTNode)*(m+1));
for(int i=0;i<=m;i++)
{
HT[i].parent=0;
HT[i].lchild=0;
HT[i].rchild=0;
}
}
void Select(HuffmanTree HT,int *S1,int *S2,int m)
{
int minweight=10000;
for(int i=1;i<m;i++)
{
if(HT[i].weight<minweight && HT[i].parent==0)
{
minweight = HT[i].weight;
*S1 = i;
}
}
minweight=10000;
for(int i=1;i<m;i++)
{
if(HT[i].weight<minweight && HT[i].parent==0 && i!=*S1)
{
minweight = HT[i].weight;
*S2 = i;
}
}
}
void Creat_HuffmanTree(HuffmanTree &HT,int n)
{
int m = 2*n-1;
int s1,s2;
if(n<=1)
return;
//这里需要注意i是从n+1开始的
for(int i=n+1;i<=m;i++)
{
Select(HT,&s1,&s2,i);
HT[s1].parent=i;
HT[s2].parent=i;
HT[i].lchild=s1;
HT[i].rchild=s2;
HT[i].weight=HT[s1].weight+HT[s2].weight;
}
}
void Print_HuffmanTree(HuffmanTree HT,int n)
{
cout<<"index"<<"\t"<<"weight"<<"\t"<<"parent"<<"\t"<<"lchild"<<"\t"<<"rchild"<<endl;
for(int i=1;i<=2*n-1;i++)
{
cout<<i<<"\t"<<HT[i].weight<<"\t"<<HT[i].parent<<"\t"<<HT[i].lchild<<"\t"<<HT[i].rchild<<endl;
}
}
int Creat_HuffmanCode(HuffmanTree HT,HuffmanCode &HC,int n)
{
char *cd;
int c,f,start;
HC = (HuffmanCode)malloc(sizeof(char*)*(n+1));
cd = (char*)malloc(sizeof(char)*n);
cd[n-1]='\0';
for(int i=1;i<=n;i++)
{
start = n-1;
c=i;
f=HT[i].parent;
while(f!=0)
{
start--;
if(HT[f].lchild==c)
cd[start]='0';
else cd[start]='1';
c=f;
f=HT[f].parent;
}
HC[i] = (char*)malloc(sizeof(char)*(n-start));
strcpy(HC[i],&cd[start]);
}
int sum=0;
for(int i=n+1;i<2*n;i++)
{
sum+=HT[i].weight;
}
free(cd);
return sum;
}
void Print_HuffmanCode(char ch[][MAXSIZE],HuffmanCode HC,int n)
{
for(int i=1;i<=n;i++)
{
cout<<ch[i]<<" ";
cout<<HC[i]<<endl;
}
}
int IsPrefix(char code[MAXSIZE][MAXSIZE],int n) //判断是否是前缀式编码
{
int flag=1; //1为是前缀式编码,0为否
for (int i = 1;i <= n;i++)
{
int j = i+1;
while (j <= n && j!=i && flag == 1)
{
if (strstr(code[j-1], code[i-1]) != code[j-1]) //运用strstr函数
{
if (j == n)
j = 1;
else j++;
}
else {
flag = 0;
}
}
if (flag == 0)
{
break;
}
}
return flag;
}
int main()
{
int n,sum_weight;
char ch[MAXSIZE][MAXSIZE];
HuffmanTree HT;
HuffmanCode HC;
cin>>n;
Init_HuffmanTree(HT,n);
for(int i=1;i<=n;i++)
{
cin>>ch[i]>>HT[i].weight;
}
Creat_HuffmanTree(HT,n);
sum_weight = Creat_HuffmanCode(HT,HC,n);
//Print_HuffmanTree(HT,n);
//Print_HuffmanCode(ch,HC,n);
//开始读入各段哈夫曼编码
int M,sum=0;
cin>>M;
char code[MAXSIZE][MAXSIZE];
char c;
for(int i=1;i<=M;i++)
{
sum=0;
for(int j=0;j<n;j++)
{
cin>>c>>code[j];
sum+=strlen(code[j])*HT[j+1].weight; //求输入的加权路径:编码长度*权重
}
if(sum!=sum_weight) //先判断最短加权路径和是否相等,若不等直接No,若相等,判断是否是前缀码
{
cout<<"No"<<endl;
}else{
if(IsPrefix(code,n)==1)
cout<<"Yes"<<endl;
else cout<<"No"<<endl;
}
}
return 0;
}
下面我们来看这个代码,注意与第一个框架代码做对比。
- 首先在 Creat_HuffmanCode() 函数中,我们加入如下代码1,来求最短加权路径和。用于与主函数中(代码2)输入的哈夫曼编码作比较。
- 依照上面的图1,找到相应的数学关系。
//代码1
int sum=0;
for(int i=n+1;i<2*n;i++) //注意从n+1开始
{
sum+=HT[i].weight;
}
return sum;
//代码2
sum=0;
for(int j=0;j<n;j++)
{
cin>>c>>code[j];
sum+=strlen(code[j])*HT[j+1].weight; //求输入的加权路径:编码长度*权重
}
- 写了 IsPrefix() 函数用于判断是否是前缀码。相应代码的思路如下:
前缀编码定义:
(字符集中)任一编码都不是其它字符的编码的前缀
例:
(1)找出下面不是前缀编码的选项
A{1,01,000,001}
B{1,01,011,010}
C{0,10,110,11}
D{0,1,00,11}第一步:看A中的第一个数1,看看其他数有没有1开头的。没有。
第二步:看A中的第二个数01,看看其他数有没有01开头的。没有。
第三步:看看A中的第三个数000,看看其他数有没有000开头的。没有。
第四步:看看A中的第四个数001,看看其他数有没有001开头的。没有。
所以A是前缀编码。其他选项也一样。B、C也一样。来说说D:
第一步,看D中的第一个数,找有0开头的的数,有,是00;其实到这里已经不用看了
因为D已经不是前缀编码了。
但第二个数1,是第四个数11的前缀,所以也能作为D不是前缀编码的理由。
IsPrefix() 函数中应用了strstr()函数。解释如下:
最后,题干的测试数据:
4
a 4
x 2
u 1
z 1
4
a 0
x 10
u 110
z 111
a 1
x 01
u 001
z 000
a 0
x 11
u 100
z 101
a 0
x 01
u 011
z 001