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******