[C++ 学习笔记] 哈夫曼树与哈夫曼编码-Huffman Tree

1. 基本知识

---

哈夫曼树 (Huffman Tree)，又称最优二叉树，是 带权路径长度最短 的树

路径和路径长度：

1. 在一颗树中，从一个节点往下可以达到的子孙节点之间的通路，称为路径
2. 通路中分支的数目称为路径长度
3. 若规定根节点的深度为 1，则从根节点到第 L 层节点的路径长度为 L-1

图例：

如图中二叉树，根节点 与 红色节点的路径长度为 3

节点的带权路径长度和树的带权路径长度：

1. 节点的带权路径长度，为从根结点到该结点之间的路径长度与该结点的权值的乘积
2. 树的带权路径长度 (WPL)，为所有叶子节点的带权路径长度之和

图例：

如图中二叉树，红色节点的带权路径长度为 12，树的带权路径长度 (WPL) 为4*3+2*2+3*1=19

哈夫曼编码是一种压缩编码的编码算法，是基于哈夫曼树的一种编码方式

那么哈夫曼编码跟 ASCII 编码有什么区别？ASCII 编码是对照 ASCII 表进行的编码，每一个字符符号都有对应的编码，其编码长度是固定的。而哈夫曼编码对于不同出现频率的字符，其使用的编码是不一样的，会对频率较高的字符使用较短的编码，频率低的字符使用较长的编码，这样保证总体使用的编码长度会更少，从而实现到了数据压缩的目的

那么如何将哈夫曼树与哈夫曼编码对应起来？

从根节点开始，向左走记为加上 '0' (可以更改为别的字符)，向右走记为加上 '1' (可以更改为别的字符)，走到叶子节点处记录下当前编码即为该叶子节点的哈夫曼编码

2. 初始化哈夫曼树

---

一般哈夫曼树的一个节点有如下属性：

1. 当前节点的下标
2. 左孩子的下标
3. 右孩子的下标
4. 当前节点的权值
5. 当前节点代表的字符

于是可以得到节点的代码：

struct Node {
	int self;    // 当前节点的下标
	int lhs;    // 左孩子的下标
	int rhs;    // 右孩子的下标
	int weig;    // 当前节点的权值
	char c;    // 当前节点代表的字符
} HT[60];

3. 构建哈夫曼树

---

对于给定的字符串种类，及每种字符串的出现次数，大致建树思路如下：

1. 将每个字符串的出现次数看做许多一一对应的根节点，即一个森林
2. 每次从森林中选出 两个根节点权值最小 的树，作为一个新建节点的左右子树，且这个新建节点的权值等于其左、右子树根节点之和
3. 从森林中删除选取的两棵树，再将新树加入森林
4. 重复执行 1.2.3. 操作，直到森林中只省下一棵树，该树即为所求的哈夫曼树

图例：

对于以下给出的字符串种类，及每种字符串的出现次数，构建一棵哈夫曼树

a	b	c	d
5	3	4	1

1. 将其看作有四棵树的森林（每棵树中都只有根节点）

2. 选出两棵根节点权值最小的树，作为一个新建节点的左右子树，并删除这两棵树，加入新树

3. 重复 1.2. 操作，直到森林中只剩下一棵树

4. 此时，这棵树即为所求的哈夫曼树，例如记向左走为加上 '0'，向右走为加上 '1'，此时各叶子节点的编码为

a(5)	b(3)	c(4)	d(1)
0	110	10	111

于是可以得到构建哈夫曼树的代码：

// 对于给定字符串 (只包括小写字母)，构建哈夫曼树

#include <bits/stdc++.h>
using namespace std;
int n, m;    // 字符串的长度，共有多少个小写字母

int frequent[30] = {0};    // frequent[i] 指第 i 个小写字母的出现次数
string s, kkk = "abcdefghijklmnopqrstuvwxyz";

struct Node {    // 初始化哈夫曼树
	int self;
	int lhs;
	int rhs;
	int weig;
	char c;
} HT[60];

bool operator > (Node node1, Node node2) {    // 重载运算符，定义优先队列中结构体的比较逻辑
	return node1.weig > node2.weig;
}

priority_queue<Node, vector<Node>, greater<Node> > q;    // 使用优先队列模拟，因为其可以自动排序

int main() {
    scanf("%d%d", &n, &m);
    cin >> s;

    for (int i = 0; i < s.size(); i++) {
		frequent[s[i] - 'a']++;    // 统计单个小写字母的出现频率
	}

	for (int i = 0; i < m; i++) {
		HT[i] = Node{i, -1, -1, frequent[i], kkk[i]};    // 初始化，构建只有根节点的树
		q.push(HT[i]);    // 入队
	}

	int pos = m + 1;

	while (q.size() > 1) {    // 注意不是 !q.empty()，因为队列中只有一棵树时就应停止循环
		Node tmp1 = q.top();    // 找到两棵根节点权值最小的树
		q.pop();   // 出队
		Node tmp2 = q.top();
		q.pop();   // 出队

		HT[pos] = Node{pos, tmp1.self, tmp2.self, tmp1.weig + tmp2.weig, '*'};    // 构建新节点
		q.push(HT[pos]);    // 入队
		pos++;
	}

	return 0;
}

4. 获取哈夫曼编码

---

具体获取方法其实已经在 基本知识 中介绍过了，这里直接放代码，具体可以看注释

map <char, string> s_code;    // 定义一个 map 来存小写字母对应的编码

void dfs(int pos, string code) {    // 当前节点的位置，当前的编码
	if (HT[pos].lhs == -1 && HT[pos].rhs == -1) {    // 如果当前节点是叶子节点
		s_code[HT[pos].c] = code;    // 直接记录编码
		return;
	}

	dfs(HT[pos].lhs, code + "0");    // 向左子树搜索
	dfs(HT[pos].rhs, code + "1");    // 向右子树搜索
}

创作不易，各位看官若觉得有用就点个赞吧~