初识哈夫曼树

目前市面上的压缩软件，都是在美国数学家哈夫曼发明的哈夫曼编码的基础上进行延伸的（站在巨人的肩膀上）。也就是说，哈夫曼编码的出现，能把文件的大小进行压缩，压缩之后，还要能复原，就需要根据一张已有的编码表进行。本文仅先介绍哈夫曼树的基础知识及搭建，当然还会在接下来写有关哈夫曼编码、解码的文章。
一、哈夫曼压缩的原理
引入一个生活中的例子，在对一个班级的学生成绩划分等级的时候，小于60为E，[60,70)为D，[70,80)为C，[80,90)为B,[90,100]为A。如果对于一个学生的成绩，都从60开始进行等级判定，在数据量很大的时候，是不是会很费时间？因为按正常来说，学生成绩应集中分布在80左右，那对于这些数据还要进行小于60的判断，这个动作就多余了。可以根据历史数据，统计出哪一个区间段人数，从大到小赋予权值，人数最多的区间范围权值最大。
这样一来，在对学生成绩等级判定的时候，总体上就会减小很多工作量。其实，这也就是哈夫曼编码能够压缩的原理：根据字符出现的频率大小进行编码，出现频率越高的字符的编码越短，这样一来，字符出现频率越高的整体使用的编码长度越短，就达到了整体压缩的效果。
举个具体的例子：对于一个字符串：aabbbcccc，因为数据在计算机中是以二进制的方式存储的，a的二进制为1100001，b的二进制为1100010，c的二进制为1100011，这样上面那个字符串的二进制为：110000111000011100010110001011000101100011110001111000111100011，长度为63。使用哈夫曼编码，a对应的哈夫曼编码为：10，b：11，c：0，字符串的二进制为：10101111110000，长度为14，相较于原来的63位，压缩效率达到77%。
二、哈夫曼树
哈夫曼树首先是一棵二叉树，只不过对其中的节点中数据进行了频率的统计（权重），然后按照从小到大的顺序排列，之后按照规则：每次取当前所有节点中，权重最小的两个节点进行构建树，形成的父节点没有数据域，只有权值域，然后删除刚刚的最小的两个节点，再把新生成的父节点加入到节点队列中，并重新排序，再重复以上步骤，当节点队列中仅存在一个节点时，整个哈夫曼树就搭建完成了，这个节点就是整棵树的根节点。下面用代码来实现：
先定义一个节点类

//让节点继承Comparable，并重写其中的compareTo方法，就可以使用Collections中的sort方法给节点排序
class Node implements Comparable<Node>{
   
	//便于测试，从其他类直接获取，设置属性为public
	public int value;//权值
	public Node left,right;//该节点的左右子节点
	public Node(int value) {
   
		this.value = value;
	}
	//从小到大对节点进行排序，如果要进行从大到小的排序，
	public