使用Java实现哈夫曼编码

poison_Program

于 2024-06-21 22:09:33 发布

阅读量652

点赞数 3

分类专栏：算法与数据结构文章标签： java 算法

本文链接：https://blog.csdn.net/qq_52010229/article/details/139870915

版权

算法与数据结构专栏收录该内容

14 篇文章 1 订阅

订阅专栏

前言

哈夫曼编码是一种经典的无损数据压缩算法，它通过赋予出现频率较高的字符较短的编码，出现频率较低的字符较长的编码，从而实现压缩效果。这篇博客将详细讲解如何使用Java实现哈夫曼编码，包括哈夫曼编码的原理、具体实现步骤以及完整的代码示例。

哈夫曼编码原理

哈夫曼编码的基本原理可以概括为以下几个步骤：

统计字符频率：遍历输入数据，统计每个字符出现的频率。
构建哈夫曼树：根据字符的频率构建一棵哈夫曼树。树的每个节点代表一个字符及其频率，树的叶子节点代表具体的字符。
生成哈夫曼编码：通过遍历哈夫曼树生成每个字符的哈夫曼编码。左子树表示’0’，右子树表示’1’。
编码数据：将原始数据根据哈夫曼编码表转换为二进制数据。
解码数据：根据哈夫曼树将二进制数据还原为原始字符。

实现步骤

1. 定义哈夫曼树的节点类

首先定义一个内部类Node，用于表示哈夫曼树的节点。每个节点包含字符、频率、左子节点和右子节点。实现Comparable<Node>接口用于在优先队列中排序。

private static class Node implements Comparable<Node> {
    private final char ch;     // 字符
    private final int freq;    // 频率
    private final Node left, right;  // 左右子节点

    Node(char ch, int freq, Node left, Node right) {
        this.ch = ch;
        this.freq = freq;
        this.left = left;
        this.right = right;
    }

    // 判断是否为叶子节点
    private boolean isLeaf() {
        assert ((left == null) && (right == null)) || ((left != null) && (right != null));
        return (left == null) && (right == null);
    }

    // 根据频率比较节点，用于优先队列
    public int compareTo(Node that) {
        return this.freq - that.freq;
    }
}

2. 构建哈夫曼树

根据字符频率构建哈夫曼树。我们使用优先队列来实现该步骤。

private static Node buildTrie(int[] freq) {
    // 初始化优先队列，并将每个字符及其频率作为单节点树插入队列
    MinPQ<Node> pq = new MinPQ<Node>();
    for (char c = 0; c < R; c++)
        if (freq[c] > 0)
            pq.insert(new Node(c, freq[c], null, null));

    // 不断合并频率最小的两棵树，直到剩下一棵树
    while (pq.size() > 1) {
        Node left = pq.delMin();
        Node right = pq.delMin();
        Node parent = new Node('\0', left.freq + right.freq, left, right);
        pq.insert(parent);
    }
    return pq.delMin();
}

3. 生成哈夫曼编码表

通过遍历哈夫曼树生成每个字符的哈夫曼编码。

private static void buildCode(String[] st, Node x, String s) {
    if (!x.isLeaf()) {
        // 递归遍历左子树，路径加'0'
        buildCode(st, x.left, s + '0');
        // 递归遍历右子树，路径加'1'
        buildCode(st, x.right, s + '1');
    } else {
        // 叶子节点，记录字符的编码
        st[x.ch] = s;
    }
}

4. 压缩数据

读取输入数据，生成哈夫曼编码表，输出编码后的二进制数据。

public static void compress() {
    // 读取输入字符串并转换为字符数组
    String s = BinaryStdIn.readString();
    char[] input = s.toCharArray();

    // 计算每个字符的频率
    int[] freq = new int[R];
    for (int i = 0; i < input.length; i++)
        freq[input[i]]++;

    // 构建哈夫曼树
    Node root = buildTrie(freq);

    // 建立字符编码表
    String[] st = new String[R];
    buildCode(st, root, "");

    // 输出哈夫曼树以便解码使用
    writeTrie(root);

    // 输出原始未压缩的字节数
    BinaryStdOut.write(input.length);

    // 使用哈夫曼编码压缩输入
    for (int i = 0; i < input.length; i++) {
        String code = st[input[i]];
        for (int j = 0; j < code.length(); j++) {
            if (code.charAt(j) == '0') {
                BinaryStdOut.write(false);
            } else if (code.charAt(j) == '1') {
                BinaryStdOut.write(true);
            } else throw new IllegalStateException("Illegal state");
        }
    }

    // 关闭输出流
    BinaryStdOut.close();
}

5. 解码数据

读取哈夫曼树和编码后的二进制数据，解码还原原始数据。

public static void expand() {
    // 从输入流中读取哈夫曼树
    Node root = readTrie();

    // 读取原始字节数
    int length = BinaryStdIn.readInt();

    // 使用哈夫曼树解码输入的二进制数据并输出字符
    for (int i = 0; i < length; i++) {
        Node x = root;
        while (!x.isLeaf()) {
            boolean bit = BinaryStdIn.readBoolean();
            if (bit) x = x.right;
            else x = x.left;
        }
        BinaryStdOut.write(x.ch, 8);
    }
    BinaryStdOut.close();
}

完整代码

以下是完整的哈夫曼编码实现代码：

public class Huffman {

    // 定义扩展ASCII字符集的大小
    private static final int R = 256;

    // 防止实例化
    private Huffman() { }

    // 哈夫曼树的节点类，实现了Comparable接口以便于优先队列排序
    private static class Node implements Comparable<Node> {
        private final char ch;     // 字符
        private final int freq;    // 频率
        private final Node left, right;  // 左右子节点

        Node(char ch, int freq, Node left, Node right) {
            this.ch = ch;
            this.freq = freq;
            this.left = left;
            this.right = right;
        }

        // 判断是否为叶子节点
        private boolean isLeaf() {
            assert ((left == null) && (right == null)) || ((left != null) && (right != null));
            return (left == null) && (right == null);
        }

        // 根据频率比较节点，用于优先队列
        public int compareTo(Node that) {
            return this.freq - that.freq;
        }
    }

    // 压缩方法
    public static void compress() {
        // 读取输入字符串并转换为字符数组
        String s = BinaryStdIn.readString();
        char[] input = s.toCharArray();

        // 计算每个字符的频率
        int[] freq = new int[R];
        for (int i = 0; i < input.length; i++)
            freq[input[i]]++;

        // 构建哈夫曼树
        Node root = buildTrie(freq);

        // 建立字符编码表
        String[] st = new String[R];
        buildCode(st, root, "");

        // 输出哈夫曼树以便解码使用
        writeTrie(root);

        // 输出原始未压缩的字节数
        BinaryStdOut.write(input.length);

        // 使用哈夫曼编码压缩输入
        for (int i = 0; i < input.length; i++) {
            String code = st[input[i]];
            for (int j = 0; j < code.length(); j++) {
                if (code.charAt(j) == '0') {
                    BinaryStdOut.write(false);
                } else if (code.charAt(j) == '1') {
                    BinaryStdOut.write(true);
                } else throw new IllegalStateException("Illegal state");
            }
        }

        // 关闭输出流
        BinaryStdOut.close();
    }

    // 构建哈夫曼树
    private static Node buildTrie(int[] freq) {
        // 初始化优先队列，并将每个字符及其频率作为单节点树插入队列
        MinPQ<Node> pq = new MinPQ<Node>();
        for (char c = 0; c < R; c++)
            if (freq[c] > 0)
                pq.insert

(new Node(c, freq[c], null, null));

        // 不断合并频率最小的两棵树，直到剩下一棵树
        while (pq.size() > 1) {
            Node left = pq.delMin();
            Node right = pq.delMin();
            Node parent = new Node('\0', left.freq + right.freq, left, right);
            pq.insert(parent);
        }
        return pq.delMin();
    }

    // 输出哈夫曼树，用于解码
    private static void writeTrie(Node x) {
        if (x.isLeaf()) {
            BinaryStdOut.write(true);
            BinaryStdOut.write(x.ch, 8);
            return;
        }
        BinaryStdOut.write(false);
        writeTrie(x.left);
        writeTrie(x.right);
    }

    // 生成哈夫曼编码表
    private static void buildCode(String[] st, Node x, String s) {
        if (!x.isLeaf()) {
            // 递归遍历左子树，路径加'0'
            buildCode(st, x.left, s + '0');
            // 递归遍历右子树，路径加'1'
            buildCode(st, x.right, s + '1');
        } else {
            // 叶子节点，记录字符的编码
            st[x.ch] = s;
        }
    }

    // 解码方法
    public static void expand() {
        // 从输入流中读取哈夫曼树
        Node root = readTrie();

        // 读取原始字节数
        int length = BinaryStdIn.readInt();

        // 使用哈夫曼树解码输入的二进制数据并输出字符
        for (int i = 0; i < length; i++) {
            Node x = root;
            while (!x.isLeaf()) {
                boolean bit = BinaryStdIn.readBoolean();
                if (bit) x = x.right;
                else x = x.left;
            }
            BinaryStdOut.write(x.ch, 8);
        }
        BinaryStdOut.close();
    }

    // 从输入流中读取哈夫曼树
    private static Node readTrie() {
        boolean isLeaf = BinaryStdIn.readBoolean();
        if (isLeaf) {
            return new Node(BinaryStdIn.readChar(), -1, null, null);
        } else {
            return new Node('\0', -1, readTrie(), readTrie());
        }
    }

    // 主方法，根据参数决定执行压缩或解码
    public static void main(String[] args) {
        if (args[0].equals("-")) compress();
        else if (args[0].equals("+")) expand();
        else throw new IllegalArgumentException("Illegal command line argument");
    }
}

总结

哈夫曼编码是一种高效的无损数据压缩算法。本文通过详细的代码示例展示了如何使用Java实现哈夫曼编码的压缩和解压功能。从统计字符频率、构建哈夫曼树、生成哈夫曼编码表到最终的编码和解码，涵盖了哈夫曼编码的全部核心步骤。希望这篇博客能够帮助你更好地理解哈夫曼编码的实现原理和具体的编码实践。

poison_Program

关注

3
点赞
踩
6

收藏

觉得还不错? 一键收藏
打赏
0
评论
使用Java实现哈夫曼编码

哈夫曼编码是一种经典的无损数据压缩算法，它通过赋予出现频率较高的字符较短的编码，出现频率较低的字符较长的编码，从而实现压缩效果。这篇博客将详细讲解如何使用Java实现哈夫曼编码，包括哈夫曼编码的原理、具体实现步骤以及完整的代码示例。首先定义一个内部类Node，用于表示哈夫曼树的节点。每个节点包含字符、频率、左子节点和右子节点。实现接口用于在优先队列中排序。// 字符// 频率// 左右子节点// 判断是否为叶子节点= null));// 根据频率比较节点，用于优先队列。
复制链接

扫一扫