文章目录
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
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:
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
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??
-
首先检查压缩后的文件是否正常(可以使用UE)
-
将压缩文件采用二进制显示, 发现存在好几个FF
-
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)
-
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);
}
}