Huffman实现文本文件压缩

辛苦做完了估计老师也不看~~~

貌似这是俺的劳动成果~~~~~O(∩_∩)O~

        

数据结构课程设计报告【一】

课程设计题目：文本文件压缩【一】

 

 题目: 文本文件压缩解压

 需求分析：

  输入：文本文件(压缩文件)

  输出：压缩文件(文本文件)  (压缩率)

  知识点：堆排序、霍夫曼树、二叉树遍历、存储数据结构设计

　　　　  文件流操作、字符汉字编码方式、二进制文件读写

  备注：字符文件、汉字文件的压缩与解压

 解决问题要点：

1.      文本文件，二进制文件及数据流的操作

2.      英文字符，中文字符的存储与识别【难点】

3.      压缩及解压的主要思想【重点】

4.      Huffman树的构造

5.      编码的获取

6.      压缩文件的存储形式[huffman编码信息及数据存储]

7.      对文本文件最后一个字符的处理[补位数：压缩，解压无错误]

　       以上七点即解决问题的关键，仅仅了解整个思想是远远不够的，整个过程中，很多细节需要注意，把握要点的同时，要在具体实现中注意细节。

模块及框架设计：

按功能需求，主要分为五个模块

主要模块：

1.      压缩模块

2.      解压模块

辅助模块：

 1.  字符识别及权重获取

2.  Huffman树构造

3.  获取huffman编码

 

 主要设计及具体实现　【实现代码(带注释)】

l  压缩解压的实现思想及原理

定义：利用算法将文件有损或无损地处理，以达到保留最多文件信息，而令文件体积变小。

在文本文件中，一个ASCII码占用一个字节空间（1Byte），汉字由两个字节构成（区码和位码），区码和位码分别用ASCII码的161-255字符表示，共94*94=8836个【GB2312编码】

即，无论字符还是汉字，均可由ASCII码表示，我们可以以二进制文件形式将一个文本文件读入，分析每个ASCII码的频数，构造huffman树，并得到相应的编码。

编码是由0、1组成的一串数字，出现频率越高的字符，其编码越短，通过这个特性，我们可以将每8位组成一个新的字符（1Byte），输出到压缩文件中，达到压缩的目的。

例如：

已知  a: 000  b:10  c: 001  d:01   e:11 

如果其中的一段是:：abcde 则处理如下：

补上两位

    a     b    c      d     e  

   000   10   00  1  01   11   00

每次取7位【取8位亦可，但此处为了处理最后一个字符，只取7位】

0+7位凑成1Byte，转化为相应AscII码输出

最后一位一般不能刚好凑够8 bit 所以需要补上0

而补上的0的个数记录为补位数 【补位数的处理】

原来：  5*1Byte=8 Byte

处理后：2*1Byte=2 Byte

        仅为原来的四分之一，达到了压缩的目的

 

l  字符，汉字处理方式

字符，即ASCII码，ASCII编码由8位组成，共256个字符，足够表示英文文本。

汉字，是考虑的重点，多方考虑下，我选择了系统支持的GB2312编码表，而非转化为UNICODE编码。GB2312的汉字编码占用两个字节，区码和位码分别由ASCII码表的161-255字符表示，共8836个汉字，足以承担汉字处理，而UNICODE编码表是变长编码，处理困难且不利于压缩。

汉字ASCII码八位1*******   一般字符编码八位0******