赫夫曼树应用-数据压缩

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