python实现--哈夫曼编码

哈夫曼树（Huffman Tree）和哈夫曼编码（Huffman Coding）是一种用于数据压缩的技术，由David A. Huffman于1952年提出。哈夫曼树是一种特殊的二叉树，用于构建哈夫曼编码。哈夫曼编码是一种变长编码，用于将字符映射到不同长度的比特串，以实现数据的高效压缩。

哈夫曼树

构建哈夫曼树

哈夫曼树是一种带权路径长度最短的树，即权值越大的节点离根节点越近。
构建哈夫曼树的基本思想是：从所有权值为正整数的叶子节点开始，每次选取两个权值最小的节点合并成一个新的节点，直到最后只剩下一个根节点为止。

哈夫曼树的性质

哈夫曼树是一棵满二叉树（所有非叶子节点的度都是2）。
树中的每个叶子节点代表一个字符，其权值即为字符出现的频率。
哈夫曼树的带权路径长度（WPL）最小，即每个字符的编码长度最短。

哈夫曼编码

构建哈夫曼编码
哈夫曼编码是一种前缀编码，即没有任何一个字符的编码是另一个字符编码的前缀。
从哈夫曼树的根节点开始，沿着左子树路径走一步，编码为0；沿着右子树路径走一步，编码为1。
将所有字符根据哈夫曼树的路径映射到对应的编码。

构建哈夫曼树的基本思想和步骤：
步骤一：统计字符频率：
遍历待编码的字符串或者字符流，统计每个字符出现的频率。
步骤二：构建哈夫曼树：
将每个字符和其对应的频率作为叶子节点，构建一个包含所有叶子节点的森林。
每次从森林中选择两个权值最小的树（即叶子节点），合并成一个新的树，新树的权值为两个子树的权值之和。
不断重复上述合并步骤，直到森林中只剩下一棵树为止，这棵树即为哈夫曼树。
步骤三：生成哈夫曼编码：
根据构建好的哈夫曼树，从根节点开始，沿着左子树路径走一步编码为0，沿着右子树路径走一步编码为1，直到到达叶子节点。
将每个字符根据路径映射到对应的编码。

import heapq
from collections import defaultdict

class TreeNode:
    def __init__(self, char, freq):
        self.char = char
        self.freq = freq
        self.left = None
        self.right = None

    def __lt__(self, other):
        return self.freq < other.freq

def build_huffman_tree(text):
    # 统计字符频率
    freq_map = defaultdict(int)
    for char in text:
        freq_map[char] += 1
    
    # 创建优先队列（最小堆）用于构建哈夫曼树
    priority_queue = [TreeNode(char, freq) for char, freq in freq_map.items()]
    heapq.heapify(priority_queue)
    
    # 构建哈夫曼树
    while len(priority_queue) > 1:
        left = heapq.heappop(priority_queue)
        right = heapq.heappop(priority_queue)
        merged_node = TreeNode(None, left.freq + right.freq)
        merged_node.left = left
        merged_node.right = right
        heapq.heappush(priority_queue, merged_node)
    
    # 返回哈夫曼树的根节点
    return priority_queue[0]

def generate_huffman_codes(root):
    def dfs(node, code, result):
        if node:
            if node.char:
                result[node.char] = code
            dfs(node.left, code + '0', result)
            dfs(node.right, code + '1', result)
    
    huffman_codes = {}
    dfs(root, '', huffman_codes)
    return huffman_codes

# 测试
text = "ABRACADABRA"
huffman_tree = build_huffman_tree(text)
huffman_codes = generate_huffman_codes(huffman_tree)

print("Huffman Codes:")
for char, code in huffman_codes.items():
    print(f"{char}: {code}")

以上代码首先定义了TreeNode类来表示哈夫曼树的节点，然后实现了build_huffman_tree函数来构建哈夫曼树，generate_huffman_codes函数来生成哈夫曼编码。在build_huffman_tree函数中，我们使用了优先队列（最小堆）来构建哈夫曼树，通过不断合并权值最小的节点来构建整棵树。在generate_huffman_codes函数中，我们使用深度优先搜索（DFS）来遍历哈夫曼树，生成每个字符的哈夫曼编码。最后，打印出生成的哈夫曼编码。

哈夫曼编码的优势

哈夫曼编码根据字符出现的频率，将出现频率高的字符编码成短比特串，出现频率低的字符编码成长比特串，从而实现数据的高效压缩。
由于哈夫曼编码是前缀编码，所以在解码时不会出现歧义，可以根据编码直接还原出原始数据。