一,基本介绍
1)赫夫曼编码也翻译为哈夫曼编码(Huffman Coding),又称霍夫曼编码,是一种编码方式,属于一种程序算法。
2)赫夫曼编码是哈夫曼编码在电讯通信中的经典的应用之一。
3)赫夫曼编码广泛地用于数据文件压缩。其压缩率通常在20%~90%之间。
4)赫夫曼是可变字长编码(VLC)的一种。Huffman于1952年提出的一种编码方式,称之为最佳编码。
二,原理剖析
通信领域中信息的处理方式
1.定长编码
- i like java //共11个字符(包括空格)
- 105 32 108 105 107 101 32 106 97 118 97 //对应ASCII码
- 01101001 00100000 01101100 01101001 01101011 01100101
00100000 01101010 01100001 01110110 1100001 //对应二进制 - 按照二进制来传递信息,总的长度是98(包括空格),太占用空间了
2.变长编码
- i like java //共11个字符(包括空格)
- l:1 k:1 e:1 j:1 v:1 i:2 (空格):2 a:2 //各个字符对应的个数
- 0=a,1=(空格),10=i,11=v,100=j,101=e,110=k,111=l
说明:按照各个字符出现的次数进行编码,原则是出现次数越多,则编码越小,比如a出现了2次,编码为0,其它依次类推
这里也是采用二进制 - 按照上面给各个字符规定的编码,则我们在传输“i like java”数据时,编码为
- 字符的编码都不能是其它字符编码的前缀,符合此要求的编码叫做前缀编码,即不能匹配到重复的编码。
(解释,匹配到重复的编码就是 我这里使用不同颜色隔开的,而机器在读取时,怎么判断你开始是 1 还是 10 还是101呢?)
3.赫夫曼编码
- i like like like java do you like a java//共11个字符(包括空格)
- d:1 y:1 u:1 j:2 v:2 1:4 k:4 e:4 i:5 a:5 (空格):9//各个字符对应的个数
- 按照上面字符出现的次数构建一颗赫夫曼树,次数作为权值 赫夫曼树构建
赫夫曼树部分 - 根据赫夫曼树,给各个字符规定编码,向左的路径表示0,向右的路径表示1,编码如下
o:1000 u:10010 d:100110 y:100111 i:101
a:110 k:1110 e:1111 j:0000 v:0001
l:001 (空格):01 - 按照上面的赫夫曼编码,我们就可以构成编码(注意这里使用的是无损压缩),使用定长编码长度359,而使用赫夫曼编码只需要133,压缩了(359 - 133)/ 359 = 62.9%
- 此编码满足前缀编码,即字符的编码都不能是其它字符编码的前缀(每个值都是叶子节点上,所以不可能是别的数的前缀)。不会造成匹配的多义性,赫夫曼编码是无损的。
**注意:**这个赫夫曼树根据排序方法不同,也可能不太一样,这样对应的赫夫曼编码也不完全一样,但是wpl是一样的,都是最小的。
三,思路分析
假设压缩 “i like like like java do you like a java”
1)Node{data(存放数据),weight(权值),left,right}
2)得到“i like like like java do you like a java”对应的byte[]数组
3)编写一个方法,将准备构建赫夫曼树的Node节点放到List,形式[Node{data=97,weight=5},Node{data=97,weight=5}…],体现d:1 y:1 u:1 j:2 v:2 o:2 l:4 k:4 e:4 i:5 a:5 (空格):9
4)通过List创建对应的赫夫曼树
四,数据压缩
1.代码实现
package com.atguigu.huffmancode;
import java.util.*;
public class HuffmanCode {
public static void main(String[] args) {
String content = "i like like like java do you like a java";
byte[] contentBytes = content.getBytes();
//分步过程
System.out.println(contentBytes.length);//40
List<Node> nodes = getNodes(contentBytes);
System.out.println("nodes = " + nodes);
//测试创建的二叉树
System.out.println("赫夫曼树");
Node root = createHuffmanTree(nodes);
preOrder(root);
//测试是否生成对应的哈夫曼编码
getCodes(root);
System.out.println("生成的哈夫曼编码表: " + huffmanCodes);
byte[] huffmanCodeBytes = zip(contentBytes, huffmanCodes);
System.out.println("huffmanCodeBytes = " + Arrays.toString(huffmanCodeBytes));
// byte[] huffmanCodesBytes = huffmanZip(contentBytes);
// System.out.println("huffmanCodeBytes = " + Arrays.toString(huffmanCodesBytes));
}
//使用一个方法,将前面的方法封装起来,便于我们的调用
/**
*
* @param bytes 原始字符串对应的字节数组
* @return 是经过赫夫曼编码处理后的字节数组(压缩后的)
*/
private static byte[] huffmanZip(byte[] bytes) {
List<Node> nodes = getNodes(bytes);
//根据nodes创建的赫夫曼树
Node root = createHuffmanTree(nodes);
//对应的赫夫曼编码(根据赫夫曼树)
Map<Byte,String> huffmanCodes = getCodes(root);
//根据生成的赫夫曼编码,压缩得到压缩后的赫夫曼编码字节数组
byte[] huffmanCodeBytes = zip(bytes, huffmanCodes);
return huffmanCodeBytes;
}
//编写一个方法,将字符串对应的byte[]数组,通过生成的赫夫曼编码表,返回一个赫夫曼编码 压缩后的byte[]
/**
*
* @param bytes 这时原始的字符串对应的byte[]
* @param huffmanCodes 生成的赫夫曼编码map
* @return 返回赫夫曼编码处理后的byte[]
* 举例:String content = "i like like like java do you like a java"; => byte[] contentBytes = content.getBytes();
* 返回的是字符串“1010100...”
* => 对应的byte[] huffmanCodeBytes,即8位对应一个byte,放入到huffmanCodeBytes
* huffmanCodeBytes[0] = 10101000(补码) => byte [推导 10101000 => 10101000 - 1 => 10100111(反码) => 11011000 => -88]
* huffmanCodeBytes[1] = -88
*/
private static byte[] zip(byte[] bytes,Map<Byte,String> huffmanCodes) {
//1.先利用huffmanCodes编码表将bytes转成 赫夫曼编码对应的字符串
StringBuilder stringBuilder = new StringBuilder();
//遍历bytes数组
for (byte b : bytes) {
stringBuilder.append(huffmanCodes.get(b));
}
System.out.println("测试stringBuilder = " + stringBuilder.toString());
//将“10101000...”转成byte[]
//统计返回byte[] huffmanCodeBytes 长度
//一句话 int len = (stringBuilder.length() + 7) / 8;
int len;
if (stringBuilder.length() % 8 == 0) {
len = stringBuilder.length() / 8;
} else {
len = stringBuilder.length() / 8 + 1;
}
//创建存储压缩后的byte数组
byte[] huffmanCodeBytes = new byte[len];
int index = 0; //记录是第几个byte
for (int i = 0; i < stringBuilder.length(); i += 8) {
String strByte;
if (i + 8 > stringBuilder.length()) { //不够8位
strByte = stringBuilder.substring(i);
} else {
strByte = stringBuilder.substring(i,i + 8);
}
//将strByte转成一个byte,放入到huffmanCodeBytes
huffmanCodeBytes[index] = (byte) Integer.parseInt(strByte,2);
index++;
}
return huffmanCodeBytes;
}
//生成赫夫曼树对应的赫夫曼编码
//思路:
//1.将赫夫曼编码表存放在Map<Byte,String> 形式
// 32 -> 01 97 -> 100 100 -> 1100 赋予对应的二进制数
static Map<Byte,String> huffmanCodes = new HashMap<>();
//2.在生成赫夫曼编码表示,需要去拼接路径,定义一个StringBuilder 存储某个叶子节点的路径
static StringBuilder stringBuilder = new StringBuilder();
//为了调用方便,我们重载getCodes
private static Map<Byte,String> getCodes(Node root) {
if (root == null) {
return null;
}
//处理root的左子树
getCodes(root.left,"0",stringBuilder);
//处理root的右子树
getCodes(root.right,"1",stringBuilder);
return huffmanCodes;
}
/**
* 功能:将传入的node节点的所有叶子节点的哈夫曼编码得到,并放入到huffmanCodes集合
* @param node 传入节点
* @param code 路径:左子节点是0,右子节点是1
* @param stringBuilder 用于拼接路径
*/
private static void getCodes(Node node,String code,StringBuilder stringBuilder) {
StringBuilder stringBuilder2 = new StringBuilder(stringBuilder);
//将code加入到stringBuilder2
stringBuilder2.append(code);
if (node != null) { //如果node == null 不处理
//判断当前node 是叶子节点还是非叶子节点
if (node.data == null) { //非叶子节点
//递归处理
//向左
getCodes(node.left,"0",stringBuilder2);
//向右递归
getCodes(node.right,"1",stringBuilder2);
} else {
//就表示找到某个叶子节点的最后
huffmanCodes.put(node.data,stringBuilder2.toString());
}
}
}
//前序遍历的方法
private static void preOrder(Node root) {
if (root != null) {
root.preOrder();
} else {
System.out.println("树为空,无法遍历");
}
}
/**
*
* @param bytes 接收字节数组
* @return 返回的就是List形式 [Node{data=97,weight=5},Node{data=97,weight=5}......]
*/
private static List<Node> getNodes(byte[] bytes) {
//1.创建一个ArrayList
ArrayList<Node> nodes = new ArrayList<Node>();
//遍历 存储每一个byte出现的次数->map[key,value]
Map<Byte,Integer> counts = new HashMap<>();
for (byte b : bytes) {
Integer count = counts.get(b);
if (count == null) { //Map还没有这个字符数据
counts.put(b,1);
} else {
counts.put(b,count + 1);
}
}
//把每个键值对转成一个Node对象,并加入到nodes集合
//遍历map
for (Map.Entry<Byte,Integer> entry : counts.entrySet()) {
nodes.add(new Node(entry.getKey(),entry.getValue()));
}
return nodes;
}
//可以通过List创建对应的赫夫曼树
private static Node createHuffmanTree(List<Node> nodes) {
while (nodes.size() > 1) {
//排序,从小到大
Collections.sort(nodes);
//取出第一颗最小的二叉树
Node leftNode = nodes.get(0);
Node rightNode = nodes.get(1);
//创建一颗新的二叉树,它的根节点没有data,只有weight
Node parent = new Node(null, leftNode.weight + rightNode.weight);
parent.left = leftNode;
parent.right = rightNode;
nodes.remove(leftNode);
nodes.remove(rightNode);
nodes.add(parent);
}
//返回nodes最后的节点,就是赫夫曼树的根节点
return nodes.get(0);
}
}
//创建Node,带数据和权值
class Node implements Comparable<Node>{
Byte data; //存放数据(字符)本身,比如'a' => 97 ' ' => 32
int weight; //权值,表示字符出现的次数
Node left;
Node right;
public Node(Byte data,int weight) {
this.data = data;
this.weight = weight;
}
@Override
public int compareTo(Node o) {
//从小到大排序
return this.weight - o.weight;
}
@Override
public String toString() {
return "Node{" +
"data=" + data +
", weight=" + weight +
'}';
}
//前序遍历
public void preOrder() {
System.out.println(this);
if (this.left != null) {
this.left.preOrder();
}
if (this.right != null) {
this.right.preOrder();
}
}
}
2.运行结果
五,数据解压
1.代码实现
package com.atguigu.huffmancode;
import java.util.*;
public class HuffmanCode {
public static void main(String[] args) {
String content = "i like like like java do you like a java";
byte[] contentBytes = content.getBytes();
//分步过程
System.out.println(contentBytes.length);//40
List<Node> nodes = getNodes(contentBytes);
System.out.println("nodes = " + nodes);
//测试创建的二叉树
System.out.println("赫夫曼树");
Node root = createHuffmanTree(nodes);
preOrder(root);
//测试是否生成对应的哈夫曼编码
getCodes(root);
System.out.println("生成的哈夫曼编码表: " + huffmanCodes);
byte[] huffmanCodeBytes = zip(contentBytes, huffmanCodes);
System.out.println("huffmanCodeBytes = " + Arrays.toString(huffmanCodeBytes));
// byte[] huffmanCodesBytes = huffmanZip(contentBytes);
// System.out.println("huffmanCodeBytes = " + Arrays.toString(huffmanCodesBytes));
byte[] sourceBytes = decode(huffmanCodes, huffmanCodeBytes);
System.out.println("原来的字符串 = " + new String(sourceBytes)); //"i like like like java do you like a java"
}
//使用一个方法,将前面的方法封装起来,便于我们的调用
/**
*
* @param bytes 原始字符串对应的字节数组
* @return 是经过赫夫曼编码处理后的字节数组(压缩后的)
*/
private static byte[] huffmanZip(byte[] bytes) {
List<Node> nodes = getNodes(bytes);
//根据nodes创建的赫夫曼树
Node root = createHuffmanTree(nodes);
//对应的赫夫曼编码(根据赫夫曼树)
Map<Byte,String> huffmanCodes = getCodes(root);
//根据生成的赫夫曼编码,压缩得到压缩后的赫夫曼编码字节数组
byte[] huffmanCodeBytes = zip(bytes, huffmanCodes);
return huffmanCodeBytes;
}
//完成数据的解压
//思路
//1.将huffmanCodeBytes[-88, -65, -56, -65, -56, -65, -55, 77, -57, 6, -24, -14, -117, -4, -60, -90, 28]
//转成对应的二进制字符串
//2.根据赫夫曼编码对应的二进制的字符串对照赫夫曼编码重新得到我们本来的字符串
//编写一个方法,完成对压缩数据的解压
/**
*
* @param huffmanCodes 赫夫曼编码表 map
* @param huffmanBytes 赫夫曼编码得到的字节数组
* @return 就是原来的字符串对应的数组
*/
private static byte[] decode(Map<Byte,String> huffmanCodes,byte[] huffmanBytes) {
//先得到huffmanBytes 对应的二进制的字符串,形式 1010100010111...
StringBuilder stringBuilder = new StringBuilder();
//将byte数组转成二进制的字符窜
for (int i = 0; i < huffmanBytes.length;i++) {
byte b = huffmanBytes[i];
//判断是不是最后一个字节
boolean flag = (i == huffmanBytes.length - 1);
stringBuilder.append(byteToBitString(!flag,b));
}
System.out.println("赫夫曼字节数组对应的二进制字符串 = " + stringBuilder.toString());
//把字符串安装指定的赫夫曼编码进行解码
//把赫夫曼编码表进行调换,因为反向查询 a -> 100 100 -> a
Map<String,Byte> map = new HashMap<>();
for (Map.Entry<Byte,String> entry : huffmanCodes.entrySet()) {
map.put(entry.getValue(), entry.getKey());
}
System.out.println("map = " + map);
//创建集合,存放byte
List<Byte> list = new ArrayList<>();
//i 可以理解成就是索引,扫描stringBuilder
for (int i = 0; i < stringBuilder.length();) {
int count = 1; //小的计数器
boolean flag = true;
Byte b = null;
while (flag) {
//取出一个字符 '1' '0'
String key = stringBuilder.substring(i,i + count); //i不动,让count移动,指定匹配到一个字符
b = map.get(key);
if (b == null) { //说明没有匹配到
count++;
} else {
//匹配到
flag = false;
}
}
list.add(b);
i += count; //i 直接移动到count
}
//当for循环结束后,我们list中就存放了所有的字符“i like like like java do you like a java”
//把list中的数据放入到byte[]并返回
byte b[] = new byte[list.size()];
for (int i = 0;i < b.length;i++) {
b[i] = list.get(i);
}
return b;
}
/**
* 将一个byte转成一个二进制的字符串
* @param flag 标志是否需要补高位,如果是true,表示需要补高位,如果是false表示不补,如果是最后一个字节,无需补高位
* @param b 传入的byte
* @return 是该b对应的二进制的字符串,(注意是按补码返回的)
*/
private static String byteToBitString(boolean flag,byte b) {
//使用变量保存 b
int temp = b; //将 b 转成 int
//如果是正数我们还存在补高位
if (flag) {
temp |= 256; //按位与256 1 0000 0000 | 0000 0001 => 1 0000 0001
}
String str = Integer.toBinaryString(temp); //返回temp对应的二进制补码
if (flag) {
return str.substring(str.length() - 8);
} else {
return str;
}
}
//编写一个方法,将字符串对应的byte[]数组,通过生成的赫夫曼编码表,返回一个赫夫曼编码 压缩后的byte[]
/**
*
* @param bytes 这时原始的字符串对应的byte[]
* @param huffmanCodes 生成的赫夫曼编码map
* @return 返回赫夫曼编码处理后的byte[]
* 举例:String content = "i like like like java do you like a java"; => byte[] contentBytes = content.getBytes();
* 返回的是字符串“1010100...”
* => 对应的byte[] huffmanCodeBytes,即8位对应一个byte,放入到huffmanCodeBytes
* huffmanCodeBytes[0] = 10101000(补码) => byte [推导 10101000 => 10101000 - 1 => 10100111(反码) => 11011000 => -88]
* huffmanCodeBytes[1] = -88
*/
private static byte[] zip(byte[] bytes,Map<Byte,String> huffmanCodes) {
//1.先利用huffmanCodes编码表将bytes转成 赫夫曼编码对应的字符串
StringBuilder stringBuilder = new StringBuilder();
//遍历bytes数组
for (byte b : bytes) {
stringBuilder.append(huffmanCodes.get(b));
}
System.out.println("测试stringBuilder = " + stringBuilder.toString());
//将“10101000...”转成byte[]
//统计返回byte[] huffmanCodeBytes 长度
//一句话 int len = (stringBuilder.length() + 7) / 8;
int len;
if (stringBuilder.length() % 8 == 0) {
len = stringBuilder.length() / 8;
} else {
len = stringBuilder.length() / 8 + 1;
}
//创建存储压缩后的byte数组
byte[] huffmanCodeBytes = new byte[len];
int index = 0; //记录是第几个byte
for (int i = 0; i < stringBuilder.length(); i += 8) {
String strByte;
if (i + 8 > stringBuilder.length()) { //不够8位
strByte = stringBuilder.substring(i);
} else {
strByte = stringBuilder.substring(i,i + 8);
}
//将strByte转成一个byte,放入到huffmanCodeBytes
huffmanCodeBytes[index] = (byte) Integer.parseInt(strByte,2);
index++;
}
return huffmanCodeBytes;
}
//生成赫夫曼树对应的赫夫曼编码
//思路:
//1.将赫夫曼编码表存放在Map<Byte,String> 形式
// 32 -> 01 97 -> 100 100 -> 1100 赋予对应的二进制数
static Map<Byte,String> huffmanCodes = new HashMap<>();
//2.在生成赫夫曼编码表示,需要去拼接路径,定义一个StringBuilder 存储某个叶子节点的路径
static StringBuilder stringBuilder = new StringBuilder();
//为了调用方便,我们重载getCodes
private static Map<Byte,String> getCodes(Node root) {
if (root == null) {
return null;
}
//处理root的左子树
getCodes(root.left,"0",stringBuilder);
//处理root的右子树
getCodes(root.right,"1",stringBuilder);
return huffmanCodes;
}
/**
* 功能:将传入的node节点的所有叶子节点的哈夫曼编码得到,并放入到huffmanCodes集合
* @param node 传入节点
* @param code 路径:左子节点是0,右子节点是1
* @param stringBuilder 用于拼接路径
*/
private static void getCodes(Node node,String code,StringBuilder stringBuilder) {
StringBuilder stringBuilder2 = new StringBuilder(stringBuilder);
//将code加入到stringBuilder2
stringBuilder2.append(code);
if (node != null) { //如果node == null 不处理
//判断当前node 是叶子节点还是非叶子节点
if (node.data == null) { //非叶子节点
//递归处理
//向左
getCodes(node.left,"0",stringBuilder2);
//向右递归
getCodes(node.right,"1",stringBuilder2);
} else {
//就表示找到某个叶子节点的最后
huffmanCodes.put(node.data,stringBuilder2.toString());
}
}
}
//前序遍历的方法
private static void preOrder(Node root) {
if (root != null) {
root.preOrder();
} else {
System.out.println("树为空,无法遍历");
}
}
/**
*
* @param bytes 接收字节数组
* @return 返回的就是List形式 [Node{data=97,weight=5},Node{data=97,weight=5}......]
*/
private static List<Node> getNodes(byte[] bytes) {
//1.创建一个ArrayList
ArrayList<Node> nodes = new ArrayList<Node>();
//遍历 存储每一个byte出现的次数->map[key,value]
Map<Byte,Integer> counts = new HashMap<>();
for (byte b : bytes) {
Integer count = counts.get(b);
if (count == null) { //Map还没有这个字符数据
counts.put(b,1);
} else {
counts.put(b,count + 1);
}
}
//把每个键值对转成一个Node对象,并加入到nodes集合
//遍历map
for (Map.Entry<Byte,Integer> entry : counts.entrySet()) {
nodes.add(new Node(entry.getKey(),entry.getValue()));
}
return nodes;
}
//可以通过List创建对应的赫夫曼树
private static Node createHuffmanTree(List<Node> nodes) {
while (nodes.size() > 1) {
//排序,从小到大
Collections.sort(nodes);
//取出第一颗最小的二叉树
Node leftNode = nodes.get(0);
Node rightNode = nodes.get(1);
//创建一颗新的二叉树,它的根节点没有data,只有weight
Node parent = new Node(null, leftNode.weight + rightNode.weight);
parent.left = leftNode;
parent.right = rightNode;
nodes.remove(leftNode);
nodes.remove(rightNode);
nodes.add(parent);
}
//返回nodes最后的节点,就是赫夫曼树的根节点
return nodes.get(0);
}
}
//创建Node,带数据和权值
class Node implements Comparable<Node>{
Byte data; //存放数据(字符)本身,比如'a' => 97 ' ' => 32
int weight; //权值,表示字符出现的次数
Node left;
Node right;
public Node(Byte data,int weight) {
this.data = data;
this.weight = weight;
}
@Override
public int compareTo(Node o) {
//从小到大排序
return this.weight - o.weight;
}
@Override
public String toString() {
return "Node{" +
"data=" + data +
", weight=" + weight +
'}';
}
//前序遍历
public void preOrder() {
System.out.println(this);
if (this.left != null) {
this.left.preOrder();
}
if (this.right != null) {
this.right.preOrder();
}
}
}
2.运行结果
六,文件压缩
1.代码实现
package com.atguigu.huffmancode;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.ObjectOutputStream;
import java.io.OutputStream;
import java.util.*;
public class HuffmanCode {
public static void main(String[] args) {
//测试压缩文件
String srcFile = "F://a.jpg";
String dstFile = "F://dst.zip";
zipFile(srcFile,dstFile);
}
//使用一个方法,将前面的方法封装起来,便于我们的调用
/**
*
* @param bytes 原始字符串对应的字节数组
* @return 是经过赫夫曼编码处理后的字节数组(压缩后的)
*/
private static byte[] huffmanZip(byte[] bytes) {
List<Node> nodes = getNodes(bytes);
//根据nodes创建的赫夫曼树
Node root = createHuffmanTree(nodes);
//对应的赫夫曼编码(根据赫夫曼树)
Map<Byte,String> huffmanCodes = getCodes(root);
//根据生成的赫夫曼编码,压缩得到压缩后的赫夫曼编码字节数组
byte[] huffmanCodeBytes = zip(bytes, huffmanCodes);
return huffmanCodeBytes;
}
//编写方法,将一个文件进行压缩
/**
*
* @param srcFile 你传入的希望压缩的文件的全路径
* @param dstFile 我们压缩后将压缩文件放到哪个目录
*/
public static void zipFile(String srcFile,String dstFile) {
//创建输出流
OutputStream os = null;
ObjectOutputStream oos = null;
//创建文件输入流
FileInputStream is = null;
try {
//创建文件的输入流
is = new FileInputStream(srcFile);
//创建一个和源文件大小一样的byte[]
byte[] b = new byte[is.available()];
//读取文件
is.read(b);
//直接对文件压缩
byte[] huffmanBytes = huffmanZip(b);
//创建文件的输出流,存放压缩文件
os = new FileOutputStream(dstFile);
//创建一个和文件输出流关联ObjectOutputStream
oos = new ObjectOutputStream(os);
//把赫夫曼编码后的字节数组写入压缩文件
oos.writeObject(huffmanBytes);
//这里我们以对象流的方式写入赫夫曼编码,是为了以后我们恢复源文件时使用
//注意一定要把赫夫曼编码写入压缩文件
oos.writeObject(huffmanCodes);
} catch (Exception e) {
System.out.println(e.getMessage());
} finally {
try {
is.close();
os.close();
oos.close();
} catch (Exception e) {
System.out.println(e.getMessage());
}
}
}
//完成数据的解压
//思路
//1.将huffmanCodeBytes[-88, -65, -56, -65, -56, -65, -55, 77, -57, 6, -24, -14, -117, -4, -60, -90, 28]
//转成对应的二进制字符串
//2.根据赫夫曼编码对应的二进制的字符串对照赫夫曼编码重新得到我们本来的字符串
//编写一个方法,完成对压缩数据的解压
/**
*
* @param huffmanCodes 赫夫曼编码表 map
* @param huffmanBytes 赫夫曼编码得到的字节数组
* @return 就是原来的字符串对应的数组
*/
private static byte[] decode(Map<Byte,String> huffmanCodes,byte[] huffmanBytes) {
//先得到huffmanBytes 对应的二进制的字符串,形式 1010100010111...
StringBuilder stringBuilder = new StringBuilder();
//将byte数组转成二进制的字符窜
for (int i = 0; i < huffmanBytes.length;i++) {
byte b = huffmanBytes[i];
//判断是不是最后一个字节
boolean flag = (i == huffmanBytes.length - 1);
stringBuilder.append(byteToBitString(!flag,b));
}
System.out.println("赫夫曼字节数组对应的二进制字符串 = " + stringBuilder.toString());
//把字符串安装指定的赫夫曼编码进行解码
//把赫夫曼编码表进行调换,因为反向查询 a -> 100 100 -> a
Map<String,Byte> map = new HashMap<>();
for (Map.Entry<Byte,String> entry : huffmanCodes.entrySet()) {
map.put(entry.getValue(), entry.getKey());
}
System.out.println("map = " + map);
//创建集合,存放byte
List<Byte> list = new ArrayList<>();
//i 可以理解成就是索引,扫描stringBuilder
for (int i = 0; i < stringBuilder.length();) {
int count = 1; //小的计数器
boolean flag = true;
Byte b = null;
while (flag) {
//取出一个字符 '1' '0'
String key = stringBuilder.substring(i,i + count); //i不动,让count移动,指定匹配到一个字符
b = map.get(key);
if (b == null) { //说明没有匹配到
count++;
} else {
//匹配到
flag = false;
}
}
list.add(b);
i += count; //i 直接移动到count
}
//当for循环结束后,我们list中就存放了所有的字符“i like like like java do you like a java”
//把list中的数据放入到byte[]并返回
byte b[] = new byte[list.size()];
for (int i = 0;i < b.length;i++) {
b[i] = list.get(i);
}
return b;
}
/**
* 将一个byte转成一个二进制的字符串
* @param flag 标志是否需要补高位,如果是true,表示需要补高位,如果是false表示不补,如果是最后一个字节,无需补高位
* @param b 传入的byte
* @return 是该b对应的二进制的字符串,(注意是按补码返回的)
*/
private static String byteToBitString(boolean flag,byte b) {
//使用变量保存 b
int temp = b; //将 b 转成 int
//如果是正数我们还存在补高位
if (flag) {
temp |= 256; //按位与256 1 0000 0000 | 0000 0001 => 1 0000 0001
}
String str = Integer.toBinaryString(temp); //返回temp对应的二进制补码
if (flag) {
return str.substring(str.length() - 8);
} else {
return str;
}
}
//编写一个方法,将字符串对应的byte[]数组,通过生成的赫夫曼编码表,返回一个赫夫曼编码 压缩后的byte[]
/**
*
* @param bytes 这时原始的字符串对应的byte[]
* @param huffmanCodes 生成的赫夫曼编码map
* @return 返回赫夫曼编码处理后的byte[]
* 举例:String content = "i like like like java do you like a java"; => byte[] contentBytes = content.getBytes();
* 返回的是字符串“1010100...”
* => 对应的byte[] huffmanCodeBytes,即8位对应一个byte,放入到huffmanCodeBytes
* huffmanCodeBytes[0] = 10101000(补码) => byte [推导 10101000 => 10101000 - 1 => 10100111(反码) => 11011000 => -88]
* huffmanCodeBytes[1] = -88
*/
private static byte[] zip(byte[] bytes,Map<Byte,String> huffmanCodes) {
//1.先利用huffmanCodes编码表将bytes转成 赫夫曼编码对应的字符串
StringBuilder stringBuilder = new StringBuilder();
//遍历bytes数组
for (byte b : bytes) {
stringBuilder.append(huffmanCodes.get(b));
}
System.out.println("测试stringBuilder = " + stringBuilder.toString());
//将“10101000...”转成byte[]
//统计返回byte[] huffmanCodeBytes 长度
//一句话 int len = (stringBuilder.length() + 7) / 8;
int len;
if (stringBuilder.length() % 8 == 0) {
len = stringBuilder.length() / 8;
} else {
len = stringBuilder.length() / 8 + 1;
}
//创建存储压缩后的byte数组
byte[] huffmanCodeBytes = new byte[len];
int index = 0; //记录是第几个byte
for (int i = 0; i < stringBuilder.length(); i += 8) {
String strByte;
if (i + 8 > stringBuilder.length()) { //不够8位
strByte = stringBuilder.substring(i);
} else {
strByte = stringBuilder.substring(i,i + 8);
}
//将strByte转成一个byte,放入到huffmanCodeBytes
huffmanCodeBytes[index] = (byte) Integer.parseInt(strByte,2);
index++;
}
return huffmanCodeBytes;
}
//生成赫夫曼树对应的赫夫曼编码
//思路:
//1.将赫夫曼编码表存放在Map<Byte,String> 形式
// 32 -> 01 97 -> 100 100 -> 1100 赋予对应的二进制数
static Map<Byte,String> huffmanCodes = new HashMap<>();
//2.在生成赫夫曼编码表示,需要去拼接路径,定义一个StringBuilder 存储某个叶子节点的路径
static StringBuilder stringBuilder = new StringBuilder();
//为了调用方便,我们重载getCodes
private static Map<Byte,String> getCodes(Node root) {
if (root == null) {
return null;
}
//处理root的左子树
getCodes(root.left,"0",stringBuilder);
//处理root的右子树
getCodes(root.right,"1",stringBuilder);
return huffmanCodes;
}
/**
* 功能:将传入的node节点的所有叶子节点的哈夫曼编码得到,并放入到huffmanCodes集合
* @param node 传入节点
* @param code 路径:左子节点是0,右子节点是1
* @param stringBuilder 用于拼接路径
*/
private static void getCodes(Node node,String code,StringBuilder stringBuilder) {
StringBuilder stringBuilder2 = new StringBuilder(stringBuilder);
//将code加入到stringBuilder2
stringBuilder2.append(code);
if (node != null) { //如果node == null 不处理
//判断当前node 是叶子节点还是非叶子节点
if (node.data == null) { //非叶子节点
//递归处理
//向左
getCodes(node.left,"0",stringBuilder2);
//向右递归
getCodes(node.right,"1",stringBuilder2);
} else {
//就表示找到某个叶子节点的最后
huffmanCodes.put(node.data,stringBuilder2.toString());
}
}
}
//前序遍历的方法
private static void preOrder(Node root) {
if (root != null) {
root.preOrder();
} else {
System.out.println("树为空,无法遍历");
}
}
/**
*
* @param bytes 接收字节数组
* @return 返回的就是List形式 [Node{data=97,weight=5},Node{data=97,weight=5}......]
*/
private static List<Node> getNodes(byte[] bytes) {
//1.创建一个ArrayList
ArrayList<Node> nodes = new ArrayList<Node>();
//遍历 存储每一个byte出现的次数->map[key,value]
Map<Byte,Integer> counts = new HashMap<>();
for (byte b : bytes) {
Integer count = counts.get(b);
if (count == null) { //Map还没有这个字符数据
counts.put(b,1);
} else {
counts.put(b,count + 1);
}
}
//把每个键值对转成一个Node对象,并加入到nodes集合
//遍历map
for (Map.Entry<Byte,Integer> entry : counts.entrySet()) {
nodes.add(new Node(entry.getKey(),entry.getValue()));
}
return nodes;
}
//可以通过List创建对应的赫夫曼树
private static Node createHuffmanTree(List<Node> nodes) {
while (nodes.size() > 1) {
//排序,从小到大
Collections.sort(nodes);
//取出第一颗最小的二叉树
Node leftNode = nodes.get(0);
Node rightNode = nodes.get(1);
//创建一颗新的二叉树,它的根节点没有data,只有weight
Node parent = new Node(null, leftNode.weight + rightNode.weight);
parent.left = leftNode;
parent.right = rightNode;
nodes.remove(leftNode);
nodes.remove(rightNode);
nodes.add(parent);
}
//返回nodes最后的节点,就是赫夫曼树的根节点
return nodes.get(0);
}
}
//创建Node,带数据和权值
class Node implements Comparable<Node>{
Byte data; //存放数据(字符)本身,比如'a' => 97 ' ' => 32
int weight; //权值,表示字符出现的次数
Node left;
Node right;
public Node(Byte data,int weight) {
this.data = data;
this.weight = weight;
}
@Override
public int compareTo(Node o) {
//从小到大排序
return this.weight - o.weight;
}
@Override
public String toString() {
return "Node{" +
"data=" + data +
", weight=" + weight +
'}';
}
//前序遍历
public void preOrder() {
System.out.println(this);
if (this.left != null) {
this.left.preOrder();
}
if (this.right != null) {
this.right.preOrder();
}
}
}
2.运行结果
成功压缩
七,文件解压
1.代码实现
package com.atguigu.huffmancode;
import java.io.*;
import java.util.*;
public class HuffmanCode {
public static void main(String[] args) {
//测试压缩文件
// String srcFile = "F://a.jpg";
// String dstFile = "F://dst.zip";
// zipFile(srcFile,dstFile);
//测试解压文件
String zipFile = "F://dst.zip";
String dstFile = "F://a2.jpg";
unZipFile(zipFile,dstFile);
}
//使用一个方法,将前面的方法封装起来,便于我们的调用
/**
*
* @param bytes 原始字符串对应的字节数组
* @return 是经过赫夫曼编码处理后的字节数组(压缩后的)
*/
private static byte[] huffmanZip(byte[] bytes) {
List<Node> nodes = getNodes(bytes);
//根据nodes创建的赫夫曼树
Node root = createHuffmanTree(nodes);
//对应的赫夫曼编码(根据赫夫曼树)
Map<Byte,String> huffmanCodes = getCodes(root);
//根据生成的赫夫曼编码,压缩得到压缩后的赫夫曼编码字节数组
byte[] huffmanCodeBytes = zip(bytes, huffmanCodes);
return huffmanCodeBytes;
}
//编写一个方法,完成对压缩文件的解压
/**
*
* @param zipFile 准备解压的文件
* @param dstFile 将文件解压到哪个路径
*/
public static void unZipFile(String zipFile,String dstFile) {
//定义文件输入流
InputStream is = null;
//定义一个对象输入流
ObjectInputStream ois = null;
//定义文件的输出流
OutputStream os = null;
try {
//创建文件输入流
is = new FileInputStream(zipFile);
//创建一个和is关联的对象输入流
ois = new ObjectInputStream(is);
//读取byte数组 huffmanBytes
byte[] huffmanBytes = (byte[]) ois.readObject();
//读取赫夫曼编码表
Map<Byte,String> huffmanCodes = (Map<Byte, String>) ois.readObject();
//解码
byte[] bytes = decode(huffmanCodes,huffmanBytes);
//将bytes 数组写入到目标目录
os = new FileOutputStream(dstFile);
//写数据到dstFile文件
os.write(bytes);
} catch (Exception e) {
System.out.println(e.getMessage());
} finally {
try {
os.close();
ois.close();
is.close();
} catch (Exception e) {
e.printStackTrace();
}
}
}
//编写方法,将一个文件进行压缩
/**
*
* @param srcFile 你传入的希望压缩的文件的全路径
* @param dstFile 我们压缩后将压缩文件放到哪个目录
*/
public static void zipFile(String srcFile,String dstFile) {
//创建输出流
OutputStream os = null;
ObjectOutputStream oos = null;
//创建文件输入流
FileInputStream is = null;
try {
//创建文件的输入流
is = new FileInputStream(srcFile);
//创建一个和源文件大小一样的byte[]
byte[] b = new byte[is.available()];
//读取文件
is.read(b);
//直接对文件压缩
byte[] huffmanBytes = huffmanZip(b);
//创建文件的输出流,存放压缩文件
os = new FileOutputStream(dstFile);
//创建一个和文件输出流关联ObjectOutputStream
oos = new ObjectOutputStream(os);
//把赫夫曼编码后的字节数组写入压缩文件
oos.writeObject(huffmanBytes);
//这里我们以对象流的方式写入赫夫曼编码,是为了以后我们恢复源文件时使用
//注意一定要把赫夫曼编码写入压缩文件
oos.writeObject(huffmanCodes);
} catch (Exception e) {
System.out.println(e.getMessage());
} finally {
try {
is.close();
os.close();
oos.close();
} catch (Exception e) {
System.out.println(e.getMessage());
}
}
}
//完成数据的解压
//思路
//1.将huffmanCodeBytes[-88, -65, -56, -65, -56, -65, -55, 77, -57, 6, -24, -14, -117, -4, -60, -90, 28]
//转成对应的二进制字符串
//2.根据赫夫曼编码对应的二进制的字符串对照赫夫曼编码重新得到我们本来的字符串
//编写一个方法,完成对压缩数据的解压
/**
*
* @param huffmanCodes 赫夫曼编码表 map
* @param huffmanBytes 赫夫曼编码得到的字节数组
* @return 就是原来的字符串对应的数组
*/
private static byte[] decode(Map<Byte,String> huffmanCodes,byte[] huffmanBytes) {
//先得到huffmanBytes 对应的二进制的字符串,形式 1010100010111...
StringBuilder stringBuilder = new StringBuilder();
//将byte数组转成二进制的字符窜
for (int i = 0; i < huffmanBytes.length;i++) {
byte b = huffmanBytes[i];
//判断是不是最后一个字节
boolean flag = (i == huffmanBytes.length - 1);
stringBuilder.append(byteToBitString(!flag,b));
}
System.out.println("赫夫曼字节数组对应的二进制字符串 = " + stringBuilder.toString());
//把字符串安装指定的赫夫曼编码进行解码
//把赫夫曼编码表进行调换,因为反向查询 a -> 100 100 -> a
Map<String,Byte> map = new HashMap<>();
for (Map.Entry<Byte,String> entry : huffmanCodes.entrySet()) {
map.put(entry.getValue(), entry.getKey());
}
System.out.println("map = " + map);
//创建集合,存放byte
List<Byte> list = new ArrayList<>();
//i 可以理解成就是索引,扫描stringBuilder
for (int i = 0; i < stringBuilder.length();) {
int count = 1; //小的计数器
boolean flag = true;
Byte b = null;
while (flag) {
//取出一个字符 '1' '0'
String key = stringBuilder.substring(i,i + count); //i不动,让count移动,指定匹配到一个字符
b = map.get(key);
if (b == null) { //说明没有匹配到
count++;
} else {
//匹配到
flag = false;
}
}
list.add(b);
i += count; //i 直接移动到count
}
//当for循环结束后,我们list中就存放了所有的字符“i like like like java do you like a java”
//把list中的数据放入到byte[]并返回
byte b[] = new byte[list.size()];
for (int i = 0;i < b.length;i++) {
b[i] = list.get(i);
}
return b;
}
/**
* 将一个byte转成一个二进制的字符串
* @param flag 标志是否需要补高位,如果是true,表示需要补高位,如果是false表示不补,如果是最后一个字节,无需补高位
* @param b 传入的byte
* @return 是该b对应的二进制的字符串,(注意是按补码返回的)
*/
private static String byteToBitString(boolean flag,byte b) {
//使用变量保存 b
int temp = b; //将 b 转成 int
//如果是正数我们还存在补高位
if (flag) {
temp |= 256; //按位与256 1 0000 0000 | 0000 0001 => 1 0000 0001
}
String str = Integer.toBinaryString(temp); //返回temp对应的二进制补码
if (flag) {
return str.substring(str.length() - 8);
} else {
return str;
}
}
//编写一个方法,将字符串对应的byte[]数组,通过生成的赫夫曼编码表,返回一个赫夫曼编码 压缩后的byte[]
/**
*
* @param bytes 这时原始的字符串对应的byte[]
* @param huffmanCodes 生成的赫夫曼编码map
* @return 返回赫夫曼编码处理后的byte[]
* 举例:String content = "i like like like java do you like a java"; => byte[] contentBytes = content.getBytes();
* 返回的是字符串“1010100...”
* => 对应的byte[] huffmanCodeBytes,即8位对应一个byte,放入到huffmanCodeBytes
* huffmanCodeBytes[0] = 10101000(补码) => byte [推导 10101000 => 10101000 - 1 => 10100111(反码) => 11011000 => -88]
* huffmanCodeBytes[1] = -88
*/
private static byte[] zip(byte[] bytes,Map<Byte,String> huffmanCodes) {
//1.先利用huffmanCodes编码表将bytes转成 赫夫曼编码对应的字符串
StringBuilder stringBuilder = new StringBuilder();
//遍历bytes数组
for (byte b : bytes) {
stringBuilder.append(huffmanCodes.get(b));
}
System.out.println("测试stringBuilder = " + stringBuilder.toString());
//将“10101000...”转成byte[]
//统计返回byte[] huffmanCodeBytes 长度
//一句话 int len = (stringBuilder.length() + 7) / 8;
int len;
if (stringBuilder.length() % 8 == 0) {
len = stringBuilder.length() / 8;
} else {
len = stringBuilder.length() / 8 + 1;
}
//创建存储压缩后的byte数组
byte[] huffmanCodeBytes = new byte[len];
int index = 0; //记录是第几个byte
for (int i = 0; i < stringBuilder.length(); i += 8) {
String strByte;
if (i + 8 > stringBuilder.length()) { //不够8位
strByte = stringBuilder.substring(i);
} else {
strByte = stringBuilder.substring(i,i + 8);
}
//将strByte转成一个byte,放入到huffmanCodeBytes
huffmanCodeBytes[index] = (byte) Integer.parseInt(strByte,2);
index++;
}
return huffmanCodeBytes;
}
//生成赫夫曼树对应的赫夫曼编码
//思路:
//1.将赫夫曼编码表存放在Map<Byte,String> 形式
// 32 -> 01 97 -> 100 100 -> 1100 赋予对应的二进制数
static Map<Byte,String> huffmanCodes = new HashMap<>();
//2.在生成赫夫曼编码表示,需要去拼接路径,定义一个StringBuilder 存储某个叶子节点的路径
static StringBuilder stringBuilder = new StringBuilder();
//为了调用方便,我们重载getCodes
private static Map<Byte,String> getCodes(Node root) {
if (root == null) {
return null;
}
//处理root的左子树
getCodes(root.left,"0",stringBuilder);
//处理root的右子树
getCodes(root.right,"1",stringBuilder);
return huffmanCodes;
}
/**
* 功能:将传入的node节点的所有叶子节点的哈夫曼编码得到,并放入到huffmanCodes集合
* @param node 传入节点
* @param code 路径:左子节点是0,右子节点是1
* @param stringBuilder 用于拼接路径
*/
private static void getCodes(Node node,String code,StringBuilder stringBuilder) {
StringBuilder stringBuilder2 = new StringBuilder(stringBuilder);
//将code加入到stringBuilder2
stringBuilder2.append(code);
if (node != null) { //如果node == null 不处理
//判断当前node 是叶子节点还是非叶子节点
if (node.data == null) { //非叶子节点
//递归处理
//向左
getCodes(node.left,"0",stringBuilder2);
//向右递归
getCodes(node.right,"1",stringBuilder2);
} else {
//就表示找到某个叶子节点的最后
huffmanCodes.put(node.data,stringBuilder2.toString());
}
}
}
//前序遍历的方法
private static void preOrder(Node root) {
if (root != null) {
root.preOrder();
} else {
System.out.println("树为空,无法遍历");
}
}
/**
*
* @param bytes 接收字节数组
* @return 返回的就是List形式 [Node{data=97,weight=5},Node{data=97,weight=5}......]
*/
private static List<Node> getNodes(byte[] bytes) {
//1.创建一个ArrayList
ArrayList<Node> nodes = new ArrayList<Node>();
//遍历 存储每一个byte出现的次数->map[key,value]
Map<Byte,Integer> counts = new HashMap<>();
for (byte b : bytes) {
Integer count = counts.get(b);
if (count == null) { //Map还没有这个字符数据
counts.put(b,1);
} else {
counts.put(b,count + 1);
}
}
//把每个键值对转成一个Node对象,并加入到nodes集合
//遍历map
for (Map.Entry<Byte,Integer> entry : counts.entrySet()) {
nodes.add(new Node(entry.getKey(),entry.getValue()));
}
return nodes;
}
//可以通过List创建对应的赫夫曼树
private static Node createHuffmanTree(List<Node> nodes) {
while (nodes.size() > 1) {
//排序,从小到大
Collections.sort(nodes);
//取出第一颗最小的二叉树
Node leftNode = nodes.get(0);
Node rightNode = nodes.get(1);
//创建一颗新的二叉树,它的根节点没有data,只有weight
Node parent = new Node(null, leftNode.weight + rightNode.weight);
parent.left = leftNode;
parent.right = rightNode;
nodes.remove(leftNode);
nodes.remove(rightNode);
nodes.add(parent);
}
//返回nodes最后的节点,就是赫夫曼树的根节点
return nodes.get(0);
}
}
//创建Node,带数据和权值
class Node implements Comparable<Node>{
Byte data; //存放数据(字符)本身,比如'a' => 97 ' ' => 32
int weight; //权值,表示字符出现的次数
Node left;
Node right;
public Node(Byte data,int weight) {
this.data = data;
this.weight = weight;
}
@Override
public int compareTo(Node o) {
//从小到大排序
return this.weight - o.weight;
}
@Override
public String toString() {
return "Node{" +
"data=" + data +
", weight=" + weight +
'}';
}
//前序遍历
public void preOrder() {
System.out.println(this);
if (this.left != null) {
this.left.preOrder();
}
if (this.right != null) {
this.right.preOrder();
}
}
}
2.运行结果
成功解压,且无损。
八,注意事项
1.压缩文件注意事项
1)如果文件本身就是经过压缩处理的,那么使用赫夫曼编码再压缩效率不会有明显变化,比如视频,ppt等文件。
2)赫夫曼编码是按字节来处理的,因此可以处理所有的文件(二进制文件,文本文件)。
3)如果一个文件中的内容,重复的数据不多,压缩效果也不会很明显