带你了解真正的哈夫曼树(c语言)

哈夫曼树

*定义：给定N个权值作为N个叶子结点，构造一棵二叉树，若该树的带权路径长度达到最小，称这样的二叉树为最优二叉树，也称为哈夫曼树.

由来

大概于1951年间，大卫·a·霍夫曼(David a . Huffman)和他在麻省理工学院(MIT)信息理论的同学们被要求在学期论文或期末考试中做出选择。罗伯特·m·法诺(Robert M. Fano)教授布置了一篇学期论文，题目是如何找到最有效的二进制代码。霍夫曼，无法证明任何代码是最有效的，正要放弃并开始为期末考试做准备时，他突然想到了使用频率排序二叉树的想法，并很快证明了这种方法是最有效的——原文出处

解析

文中所提的最有效的二进制代码简单解析:让出现机率高的字母使用较短的编码，同时让出现机率低的则使用较长的编码，如此便使编码之后的字符串的平均长度缩短，以达到无损压缩数据的目的。

以上都是说不带权值的情况下,如果带了权值呢？

权值

定义：于二叉树中，权值=节点值*层次

层次定义:权值是树或者图中两个结点路径上的值(直接就简单理解成该结点到根结点有几根线相连就行).

例如:
A：层次为0 B:层次为1 D:层次为2 H：层次为3 J：层次为4

该二叉树的路径长度: 9 (当然如果为带权值的，请参照下面的介绍!)

带权值的树路径长度为:WPL=(W1L1+W2L2+W3L3+…+WnLn)
WPL(Weighted Path Length of Tree)是记号,W1、W2等是权值，L1、L2等是层次

哈夫曼树的构造原理

①于给定的n个权值{W1，W2，W3，W4……Wn}构成n颗只有根节点的二叉树(其实也就是需要弄个类似数组的东西把它给存储喽!)(这些最后都是叶子节点)

②于上述二叉树中,找到权值依次最小的两个根节点，分别作为左子树和右子树(新的二叉树的根节点的权值为这两个权值的和大小)

③于原{W1，W2，W3，W4……Wn}中删除在②中已作为别二叉树的左右子树的二叉树，并将②中新形成的二叉树加入到{W1，W2，W3，W4……Wn}中

④不断重复②、③,一直到{W1，W2，W3，W4……Wn}中只剩一颗二叉树为止。当然，这颗二叉树就是我们所需要的哈夫曼树.

哈夫曼算法的实现

哈夫曼树类型定义:

//此二叉树拥有权值
//下面有个perent，其实就是双亲节点，注意双亲不是两个，是一个
#define MAX 65982 //哈夫曼树最大的权值
typedef struct {
	unsigned int weight;//记录权值用
	unsigned int parent,lchild,rchild;//无双亲节点的将其（perent）记为0
	}HTNode,*HuffmanTree;//HuffmanTree建树用

void CrtHuffmanTree(HuffmanTree ht,int w[],int n)
{
	//ht（哈夫曼树，即ht[]）ht就为树所在数组的头指针,w[](存放叶子节点的权值)
	//将以序号对应的思维方式解决问题
	int i;
	for(i=1; i<=n; ++i)
		ht[i]=w[i];//w[]应是已经储存好了所有开始阶段叶子节点权值的数组,1~n号数组单元的初始化
	for(i=n+1; i<2*n-1; ++i)
		ht[i]={0};//等价于 ht[i]=0; 预备将n+i~2*n-1号数组单元储存哈夫曼树的非叶子节点
	for(i=n+1; i<2*n-1; ++i)
		select(ht,i-1,&s1,&s2);//&s1、&s2是引用（传的直接是实参）(c++特用),与起别名类似,i-1是因为本就是从n+1开始，减一后本质上就是从n开始了
	ht[i].weigth = ht[s1].weight + ht[s2].weight;//权值相加
	ht[s1].parent = s1; ht[s2].parent = s2;//双亲节点指向确认
	ht[i].lchild = s1;//左孩子
	ht[i].rchild = s2;//右孩子
}

void select(HuffmanTree &ht,int n,int *s1,int *s2)
{
	//ht指针自然指向是公用的哈夫曼树的存储单元,n为允许查找的最大序号，（以第一次为例，i-1就为n，也就是说从单元1~n中查找出最小的那两个，没毛病！！！）
	int i;
	int p1=MAX, P2=MAX;//用于记录最小的那两个的权值，自然定义的时候就需要是个很大的值啦!(默认p1<p2来设计)
	int pn1=0, pn2=0;//用来记录两个最小叶子节点的序号（即存储单元）
	for(i=1; i<=n; ++i)
	{
		//作用：找到权值最小的那两个
		if(ht[i].weight<p1 && ht[i].parent == 0 )
		{
			//权值小于p1就相当于小于最小的(p1<p2)，双亲节点等于0说明还未运用过
			pn2 = pn1; p2 = p1; pn1 = i; p1 = ht[i].weight; 
		}
		else if(ht[i].weight<p2 && ht[i].parent == 0)
		{
			//
			pn2 = i; p2 = ht[i].weigth;
		}
	}
	*s1 = pn1;
	*s2 = pn2;
}

解释以上的函数定义为什么可以直接写成HuffmanTree ht:

HuffmanTree ht;
/* 前面在哈夫曼树类型定义的时候写了，typedef struct (此处省略了本该出现的结构体名) *HuffmanTree; */
/* 所以已经为“ struct 结构体名 * ” 起了别名 HuffmanTree ,所以HuffmanTree ht 就
相当于 struct 结构体名 *ht; */
/* 看似只是定义了一个指针,但在运用的时候将会发现并非如此,而是一个数组! */
/* 其实平时我们在定义数组的时候: char str[10]; 就相当于 char (*str)[10]; 这也是为什么后面总是说一维数组名就是首地址的原因 */

解读上面的select函数中的for循环为什么起作用

//死记住:p1、p2双权值,pn1、pn2双序号,p1<p2为默认（逻辑所通之需！）
for(i=1; i<=n; ++i)
	{
		if(ht[i].weight<p1 && ht[i].parent == 0 )
		{
			pn2 = pn1; p2 = p1; pn1 = i; p1 = ht[i].weight;
//pn2=pn1作用、p2=p1作用、pn1=i等请看解释①
		}
		else if(ht[i].weight<p2 && ht[i].parent == 0)
		{
			pn2 = i; p2 = ht[i].weigth;
			//pn2=i;作用请看解释①
		}
	}
	//for循环出来后，请看解释②

解释①（有点长，懂的跳过，不懂的真的可以耐心看一看，本人觉得已经解释的很到位了！）

:pn1注定是储存最小的那个序号(p1<p2)，而且还是先放,比如现在程序进入for循环，假设第一个ht[1]的权值不是MAX，那么它就得进入if判断（条件一:满足，权值时小于最大值 条件二:双亲节点的确为0，毕竟还没成二叉树呢！还是为开始的初始值0的）,这if一满足就进入了！pn2=pn1;看似第一回合没有说明用，但是我们快进，第二回合进入for循环，假设此时的ht[2]还不是最大的权值,而且权值比ht[1]要大,那么自然是要进入else if判断的，毕竟第一回合时已经将p1变为ht[1].weight了，满足不了第一个if的条件二,那么再看看else if的两个条件呗！(条件一：此时的p2还是最大值，自然满足,条件二:和上面说的一样也是满足的!)那么p2此时才变为ht[2].weight,再看第三回合，假设ht[3].weight大于ht[1].weight,但小于ht[2].weight，自然满足不了if的条件一了，再看else if的条件(全满足)，p2自然就要更新为暂且倒数第二小的ht[3]了。第四回合，进入for循环，假设此时ht[4]小于h[1].weight了,将进入if语句，pn2=pn1作用出来了，将本该为第二小的pn2不在保留为ht[3].weight,而是进化为保留本该为第一小的ht[1].weight，而将暂时最小的ht[4].weight给了p1了。

解释②

那么此时呢，p1和p2中已经储存好了序号1~n的权值最小的两个，pn1、pn2为它们对应的序号

那么说会开头，说过了哈夫曼树的目的，那么一般都会匹配一个计算字符出现的次数的函数:

//ASCII码值 A:65 a:97
int Count(char *s,int cnt[],char str[])
{
//默认都是大写字母存入
	char *p;
	int i, j , k;
	int temp[26];//26个字母
	for(i=0; i<26; ++i)
		temp[i]=0;//记录26个字母相应的个数
	for(p=s; *p!='\0'; ++p)
		if(*p>='A' && *p<='Z')
		{
			k=(*p)-65;
			temp[k]++;//对应位加一
		}
		for(i=0, j=0; i<26; ++i)
			if(temp[i]!=0)
			{
				str[j]=i+65;//变会原本的大写字符存储到str[]中
				cnt[j]=temp[i];//cnt[]就是将26个字母中有的总和到一个数组里面
				j++;//统计有多少中字符种类
			}
			str[j]='\0';//此时j已经加了一，到了没有存储字符的位置了，加上'\0'更方便后序的输出查操作
			return j;//返回字符种类个数
}

债见~