C++ Huffman树实现文件的压缩与解压

前言

Huffman树在数据结构的时候都了解过,由Huffman树可以生成huffman编码,而Huffman编码在解决文件压缩问题的时候还是一个比较经典的算法。

Huffman树 ?

定义:Huffman树,又称最优二叉树,是加权路径长度最短的二叉树
在这里插入图片描述

生成Huffman树

假设有这样一组权值 1,3,5,7,Huffman树构建过程如下:
在这里插入图片描述

生成Huffman编码

Huffman树中左子树路径标为0,右子树路径标为1。从根节点到叶子节点经过的路径的组合即为该叶子节点的编码
在这里插入图片描述

Huffman编码压缩的原理

1. 统计待压缩文件中每个字符出现的次数

  • 构建一个结构体,存放信息:字符,次数,编码
  • 遍历源文件,将每个字符的次数写入对应的结构体信息中

2. 将次数作为权值构建Huffman树

  • 采用优先级队列,但优先级队列是大的元素在前面,所以要自行更改一下
  • 普通的二叉树只能通过父结点找子节点,但在获取编码的时候需要通过叶子节点往根节点走,所以构建二叉树时,要有孩子结点指向父结点

3. 通过Huffman数获取每个字符所对应的编码

  • 通过叶子节点找根节点是编码是逆序的,所以要reverse

4. 向压缩文件中写入信息

  • 压缩文件中不仅仅要存放编码信息
  • 第一行:存放原文件的后缀,因为在解压缩文件的时候会用到
  • 第二行:存放原文件字符的个数n(叶子节点)
  • 接下来的n行:字符,次数(为了解压缩重建Huffman树)
  • 接下来才是压缩编码

例如:原文件名为“1.txt”,存放ABBBCCCCCDDDDDDD“”
则:压缩文件中存放:

解压缩

1. 获取后缀
2. 获取字符以及对应的次数
3. 重建Huffman树
4. 解压压缩数据

a. 从压缩文件中读取一个字节ch
b. 从根节点开始,按照ch的8个比特位信息从高到低遍历huffman树:

  • 该比特位是0,取当前节点的左孩子,否则取右孩子
  • 直到遍历到叶子节点位置,该字符就被解析成功,将解压出的字符写入文件
  • 如果在遍历huffman过程中,8个比特位已经比较完毕还没有到达叶子节点,从a开始执行

c. 重复以上过程,直到所有的数据解析完毕。

遇到的问题

1. 只压缩字母时成功,压缩文字会崩溃?

那是因为刚开始创建存放信息的数据是char类型的,当文件中有文字时,一个文字占两个字节,并且每个字节的范围是128~255,如果是char类型,数组的下标就会变成负数,数字越界了, 需要将存放信息的数据类型变为unsigned char

2. 为什么存放文字时依然可以找到,不会冲突?

一个字节有八个bit位,那么范围也就是0~255,如果文字的第一个字节为65,岂不是和‘A’冲突了。实际上不存在,因为文字的每个字节的范围是128~256, 所以不会发生冲突。

3. 解压大文件时只能解压一部分??
  1. 首先检查压缩后的文件是否正常(可以使用UE)

  2. 将压缩文件采用二进制显示, 发现存在好几个FF

  3. 一般情况下,文件指针碰到EOF就表示到文件结尾了,因为EOF是 -1,也就是FF,所以只解压了一部分(解压到第一个FF就停止了)

  4. 采用 feof()函数,多加一个判断即可,feof()函数就是判断文件末尾,而不仅仅是碰见EOF停止

4. 关于位运算操作

因为在压缩和解压的过程中都用到的位操作,需注意:位操作针对的是每一个bit位,一个字节有8个bit位,在循环到从0~7的时候一定要记得清0

5. 为什么压缩照片的时候会失败?

我自己刚开始在压缩大文件的时候(包含文字)没有任何的问题,但是一旦压缩、解压照片就会出问题。经过几番调试,终于发现是因为 ‘\0’ 的问题,因为如果刚开始把(字节,次数)先写入 buf 中,再由 buf 通过 fwrite 函数写入文件中,一定会出现问题(可能出现 0 字节)。因为 fwrite 的第一个参数要求C格式的字符串,把 buf 转化为C格式的字符串,如果遇见 ‘\0’,就会停止,所以就会崩溃。不要将字节写入 buf 中,而是通过 fputc 直接把字节写入文件中,然后再把 (, 次数)写入 buf 中,再将buf写入文件即可。

注意:buf 一定要定义在循环内,因为每次都要重新往 buf 中写入内容,或者手动把 buf 清空

for (size_t i = 0; i < 256; i++)
	{
		if (info[i]._chCount != 0)
		{
			string buf;  //buf中存放  ,次数
			fputc(info[i]._ch, fOut);//必须先把ch放进去,如果把ch作为string的字符最后转换为C的字符,会导致'\0'没有处理
			buf = ',';
			_itoa(info[i]._chCount, countStr, 10);
			buf += countStr;
			fputs(buf.c_str(), fOut);
			fputc('\n', fOut);
		}
	}

源码

源码

综合实验: 1. 问题描述 利用哈夫曼编码进行通信可以大大提高信道利用率,缩短信息传输时间,降低传输成本。这要求在发送端通过一个编码系统对待传输数据预先编码,在接收端将传来的数据进行译码(复原)。对于双工信道(即可以双向传输信息的信道),每端都需要一个完整的编/译码系统。试为这样的信息收发站编写一个哈夫曼码的编/译码系统。 2. 基本要求 一个完整的系统应具有以下功能: (1) I:初始化(Initialization)。从终端读入字符集大小n,以及n个字符和n个权值,建立哈夫曼,并将它存于文件hfmTree中。 (2) E:编码(Encoding)。利用已建好的哈夫曼(如不在内存,则从文件hfmTree中读入),对文件ToBeTran中的正文进行编码,然后将结果存入文件CodeFile中。 (3) D:译码(Decoding)。利用已建好的哈夫曼文件CodeFile中的代码进行译码,结果存入文件Textfile中。 (4) P:印代码文件(Print)。将文件CodeFile以紧凑格式显示在终端上,每行50个代码。同时将此字符形式的编码文件写入文件CodePrin中。 (5) T:印哈夫曼(Tree printing)。将已在内存中的哈夫曼以直观的方式(比如)显示在终端上,同时将此字符形式的哈夫曼写入文件TreePrint 中。 3. 测试数据 用下表给出的字符集和频度的实际统计数据建立哈夫曼,并实现以下报文的编码和译码:“THIS PROGRAME IS MY FAVORITE”。 字符 A B C D E F G H I J K L M 频度 186 64 13 22 32 103 21 15 47 57 1 5 32 20 字符 N O P Q R S T U V W X Y Z 频度 57 63 15 1 48 51 80 23 8 18 1 16 1
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值