一 需求
将给出的一段文本,比如 "i like like like java do you like a java" ,根据赫夫曼编码原理,对其进行数据压缩处理。
压缩后的形式如下:
"1010100110111101111010011011110111101001101111011110100001100001110011001111000011001111000100100100110111101111011100100001100001110"。
然后8个一组,转化到byte数组。
二 代码
package com.atguigu.huffmancode;
import java.util.*;
/**
* @className: HuffmanCode
* @description: 赫夫曼编码
* @date: 2021/3/21
* @author: cakin
*/
public class HuffmanCode {
/**
* 功能描述:赫夫曼编码测试
*
* @param args 命令行
* @author 贝医
* @date 2021/3/21
*/
public static void main(String[] args) {
// 待编码的字符串
String content = "i like like like java do you like a java";
// 将字符串转化为byte数组
byte[] contentBytes = content.getBytes();
System.out.println(contentBytes.length); // 40
// 编码后的结果
byte[] huffmanCodesBytes = huffmanZip(contentBytes);
System.out.println("压缩后的结果是:" + Arrays.toString(huffmanCodesBytes) + " 长度= " + huffmanCodesBytes.length);
}
/**
* 功能描述:封装赫夫曼编码步骤
*
* @param bytes 原始的字符串对应的字节数组
* @return 经过赫夫曼编码处理后的字节数组
*/
private static byte[] huffmanZip(byte[] bytes) {
List<Node> nodes = getNodes(bytes);
// 根据 nodes 创建的赫夫曼树
Node huffmanTreeRoot = createHuffmanTree(nodes);
// 根据赫夫曼树得到对应的赫夫曼编码表
Map<Byte, String> huffmanCodes = getCodes(huffmanTreeRoot);
// 根据赫夫曼编码表,压缩得到压缩后的赫夫曼编码字节数组
byte[] huffmanCodeBytes = zip(bytes, huffmanCodes);
return huffmanCodeBytes;
}
/**
* 功能描述:将字符串对应的byte[],通过生成的赫夫曼编码表,返回一个赫夫曼编码压缩后的byte[]
*
* @param bytes 原始的字符串对应的 byte[]
* @param huffmanCodes 生成的赫夫曼编码map
* @return 返回赫夫曼编码处理后的 byte[]
* 举例:
* String content = "i like like like java do you like a java";
* 1 将上面字符串存放到 bytes 数组中。
* 2 通过 huffmanCodes 存放到 stringBuilder中,形式如下:
* "1010100010111111110010001011111111001000101111111100100101001101110001110000011011101000111100101000101111111100110001001010011011100"
* 3 将上面的字符串以8位为一组,放入到 huffmanCodeBytes
* 说明:二进制举例 补码 = ~原码 + 1,源码 = ~(补码-1)
* huffmanCodeBytes[0] = 10101000(以补码存储) ,它对应的原码是 ~(10101000-1)=~10100111=11011000 =-88
*/
private static byte[] zip(byte[] bytes, Map<Byte, String> huffmanCodes) {
// 1 利用 huffmanCodes 将 bytes 转成赫夫曼编码对应的字符串
StringBuilder stringBuilder = new StringBuilder();
// 遍历bytes 数组
for (byte b : bytes) {
stringBuilder.append(huffmanCodes.get(b));
}
System.out.println("stringBuilder=" + stringBuilder.toString());
// 将"1010100010111111110..." 转成 byte[]
// 统计返回 byte[] huffmanCodeBytes 长度
// 一句话 int len = (stringBuilder.length() + 7) / 8;
int len;
if (stringBuilder.length() % 8 == 0) {
len = stringBuilder.length() / 8;
} else {
len = stringBuilder.length() / 8 + 1;
}
// 存储压缩后的 byte数组
byte[] huffmanCodeBytes = new byte[len];
int index = 0; // 记录是第几个byte
for (int i = 0; i < stringBuilder.length(); i += 8) { // 因为是每8位对应一个byte,所以步长为8
String strByte;
if (i + 8 > stringBuilder.length()) { // 以长度为8进行分组,最后一组,可能不够8位
strByte = stringBuilder.substring(i);
} else {
strByte = stringBuilder.substring(i, i + 8);
}
// 将 strByte 转成一个byte,放入到 huffmanCodeBytes
huffmanCodeBytes[index] = (byte) Integer.parseInt(strByte, 2);
index++;
}
return huffmanCodeBytes;
}
// 赫夫曼编码表 {32=01, 97=100, 100=11000, 117=11001, 101=1110, 118=11011, 105=101, 121=11010, 106=0010, 107=1111, 108=000, 111=0011}
static Map<Byte, String> huffmanCodes = new HashMap<>();
// 存储某个叶子结点的路径
static StringBuilder stringBuilder = new StringBuilder();
/**
* 功能描述:根据赫夫曼树得到对应的赫夫曼编码表
*
* @param root 赫夫曼树的根节点
* @return Map<Byte, String> 赫夫曼树编码表
* @author cakin
* @date 2021/3/21
*/
private static Map<Byte, String> getCodes(Node root) {
if (root == null) {
return null;
}
// 处理 root 的左子树
getCodes(root.left, "0", stringBuilder);
// 处理 root 的右子树
getCodes(root.right, "1", stringBuilder);
return huffmanCodes;
}
/**
* 功能:将传入的 node 结点的所有叶子结点的赫夫曼编码表得到,并放入到 huffmanCodes,形式如下:
* 空格=01 a=100 d=11000 u=11001 e=1110 v=11011 i=101 y=11010 j=0010 k=1111 l=000 o=0011
*
* @param node 传入结点
* @param code 路径: 左子结点是 0, 右子结点 1
* @param stringBuilder 用于拼接路径
*/
private static void getCodes(Node node, String code, StringBuilder stringBuilder) {
StringBuilder stringBuilder2 = new StringBuilder(stringBuilder);
// 将code 加入到 stringBuilder2
stringBuilder2.append(code);
if (node != null) { // 如果node == null 不处理
// 判断当前 node 是叶子结点还是非叶子结点
if (node.data == null) { // 非叶子结点
// 向左递归
getCodes(node.left, "0", stringBuilder2);
// 向右递归
getCodes(node.right, "1", stringBuilder2);
} else { // 说明是一个叶子结点
// 如果是叶子节点,就把对应路径放到huffmanCodes中
huffmanCodes.put(node.data, stringBuilder2.toString());
}
}
}
/**
* 功能描述:将bytes数组以List<Node>的形式存储
*
* @param bytes 接收字节数组
* @return 返回 List<Node> 形式:[Node[date=97 ,weight = 5], Node[]date=32,weight = 9]......]
*/
private static List<Node> getNodes(byte[] bytes) {
// 1 创建一个 ArrayList
ArrayList<Node> nodes = new ArrayList<>();
// 2 遍历 bytes , 统计 每一个byte出现的次数,用 map[key,value] 进行存储
Map<Byte, Integer> counts = new HashMap<>();
for (byte b : bytes) {
Integer count = counts.get(b);
if (count == null) { // Map还没有这个字符数据
counts.put(b, 1);
} else {
counts.put(b, count + 1);
}
}
// 把每一个键值对转成一个 Node 对象,并加入到 nodes 集合
for (Map.Entry<Byte, Integer> entry : counts.entrySet()) {
nodes.add(new Node(entry.getKey(), entry.getValue()));
}
return nodes;
}
/**
* 功能描述:通过List<Node>创建赫夫曼树
*
* @param nodes 待创建的节点
* @return Node 创建完赫夫曼树的根节点
* @author cakin
* @date 2021/3/21
*/
private static Node createHuffmanTree(List<Node> nodes) {
while (nodes.size() > 1) {
// 从小到大排序,
Collections.sort(nodes);
// 取出第一颗最小的二叉树
Node leftNode = nodes.get(0);
// 取出第二颗最小的二叉树
Node rightNode = nodes.get(1);
// 创建一颗新的二叉树,它的根节点没有 data,只有权值
Node parent = new Node(null, leftNode.weight + rightNode.weight);
parent.left = leftNode;
parent.right = rightNode;
// 将已经处理的两颗二叉树从nodes删除
nodes.remove(leftNode);
nodes.remove(rightNode);
// 将新的二叉树,加入到nodes
nodes.add(parent);
}
// nodes 最后的结点,就是赫夫曼树的根结点
return nodes.get(0);
}
}
/**
* @className: HuffmanCode
* @description: 赫夫曼节点
* @date: 2021/3/21
* @author: cakin
*/
class Node implements Comparable<Node> {
// 存放数据(字符)本身。比如'a' => 97 ' ' => 32
Byte data;
// 权值, 表示字符出现的次数
int weight;
// 左子树
Node left;
// 右子树
Node right;
public Node(Byte data, int weight) {
this.data = data;
this.weight = weight;
}
/**
* 功能描述:实现 Node 从小到大的排序
*
* @param o 节点
* @author cakin
* @date 2021/3/21
*/
@Override
public int compareTo(Node o) {
// 从小到大排序
return this.weight - o.weight;
}
public String toString() {
return "Node [data = " + data + " weight=" + weight + "]";
}
}
三 测试
40
stringBuilder=1010100010111111110010001011111111001000101111111100100101001101110001110000011011101000111100101000101111111100110001001010011011100
压缩后的结果是:[-88, -65, -56, -65, -56, -65, -55, 77, -57, 6, -24, -14, -117, -4, -60, -90, 28] 长度= 17