哈夫曼树和哈夫曼编码

一：哈夫曼编码

当我们在传输或存储数据时，经常会遇到大量的文本或数据。而有些字符可能出现的频率比较高，有些则比较低。传统的ASCII编码或其他编码方式对每个字符都分配固定长度

字符 'A' ： ASCII 编码为 01000001

字符 'B' ： ASCII 编码为 01000010

字符 'C' ： ASCII 编码为 01000011

字符 'D' ： ASCII 编码为 01000100

在ASCII编码中，每个字符都用相同长度的8位编码，因此无法根据字符的频率来进行压缩。在英文中，各个字母在文本材料中出现的频率不同。在英文中，e的出现概率最高，而z的出现概率则最低。

若将每个字符都用同样位数的二进制数来表示的话会产生浪费。但如果将编码设计为长度不等的二进制编码，即让待传字符串中出现次数较多的字符采用尽可能短的编码，则转换的二进制字符串便可能减少。如下图所示：

字符 'A' ： 编码为 0

字符 'B' ： 编码为 00

字符 'C' ： 编码为 1

字符 'D' ： 编码为 01

如果要传送的信息是“ABACCDA”，它的编码是多少呢

答案：000011010

要设计长度不等的编码，则必须使任一字符的编码 都 不是 另一个字符的编码的前缀。这种编码叫做前缀编码。而哈夫曼编码就是一种前缀编码。它的特点是：

（1）出现频率高的字符使用较短的编码，而出现频率低的字符使用较长的编码。

（2）哈夫曼树是一棵前缀编码树，因此每个字符的编码不会是另一个字符编码的前缀，使用哈夫曼编码可以达到数据压缩的目的。

二：构建哈夫曼树：

哈夫曼树的构建可以使用“贪心算法”来实现。假设有如下8个字符及对应的权值：

我们可以按照以下步骤构造哈夫曼树：

下面是“哈夫曼树”的建树过程：

构建完哈夫曼树后，从哈夫曼树的根节点开始，遍历左子树的路径为0，遍历右子树的路径为1：

则每个叶子节点对应的字符编码为：从根节点到该叶子节点经过的路径上的0和1序列。