我的第一个项目---文件压缩

学习了哈弗曼树之后做了一个小项目—文件压缩，最近在复习，就顺便把项目也再梳理一遍。
1）首先是哈弗曼树的原理：
如果有一些结点的权值分别是1，2，3，4，5，6
那么它们构建出来的哈弗曼树是什么样子呢？
结果如图：

思想是每次从数组中取两个当前权值最小的数去创建结点，并作为叶子结点，它们的根节点的权值是两者之和，把它再放回数组，第一次选择1，2；第二次选择3，3；第三次选择4，5；~~~~
2）哈弗曼树的构建：
因为要每次选择最小的两个数，自然想到要用堆啦~堆的代码以前实现过的，直接头文件加进来用，但是问题就来了，这里要用小堆，所以要用<,
堆里面是结点，可要比较的是结点的权值大小，以前实现的堆对直接用堆里面的数据去比较大小的，所以就要去重写一下传到堆里面的那个仿函数啦~
3）文件压缩的原理：
哈弗曼树建好，现在要正式开始文件压缩啦~
文件压缩真正要用到的是哈夫曼编码，还是刚才那棵树，它的哈弗曼编码怎么来的呢？

权值为1的结点的哈夫曼编码就是1000
权值为2的结点的哈夫曼编码就是1001
权值为3的结点的哈夫曼编码就是101
权值为4的结点的哈夫曼编码就是00
权值为5的结点的哈夫曼编码就是01
权值为6的结点的哈夫曼编码就是11
哈夫曼编码只是对叶子节点编码哦~~~
可以发现一个规律就是权值越小的，它的哈夫曼编码越长，权值越大的，哈夫曼编码越短。
那么如何运用到文件压缩中呢？
举一个简单的例子吧，假设有一个文件的内容是“abbcccdddd“,‘a’出现的次数是1，‘b’出现的次数是2，‘c’出现的次数是3，‘d’出现的次数是4，以各字符出现的次数构建一个哈夫曼树，并为各字符编码，结果是：
‘a’：100； ‘b’：101； ‘c’：11； ‘d’：0；
以编码的形式按照原字符的顺序写入压缩文件，就应该是这样滴：
1001011011111110000
这一个0或1代表一个二进制位，那压缩文件是多大呢？3个字节
原文件是多大呢？10个字节
这就是文件压缩的原理。
4）文件压缩的过程：
根据上面的例子，首先要统计待压缩文件中各字符出现的次数，然后构造哈弗曼编码，把编码写入压缩文件，不够一个字节的就在后面补零，因为还要解压缩，所以还得写一个配置文件，配置文件里面写每个字符出现的次数。
5）文件解压缩的过程：
先去读配置文件，构建哈弗曼树和哈弗曼编码，用压缩文件里的编码去哈弗曼树里面找，找到叶子结点，就把叶子节点的字符写入解压缩文件中。
项目测试：通过Beyond Compare对文件压缩前和压缩后的内容进行比对，验证程序的正确性。
6 ）性能测试，一个25M左右的大文件，在Debug版本下压缩的时间大约为30s，解压缩时间大约为10s，压缩文件的大小为20M左右；一个6k左右的小文件在Debug版本下压缩的时间大约为30ms，解压缩时间大约为30ms，压缩文件的大小为3.5K左右；在release版本下会更高效一些，时间会缩短很多。

我的代码：https://github.com/ranxiaoxu/FileCompress

再说说项目过程中出现的问题的问题吧，我测试的时候发现如果待压缩文件中出现中文，程序就会崩溃，将错误定位到构造哈弗曼编码的函数处，通过单步调试发现是数组越界所致，终于明白是为什么了，如果只是字符的话，它的范围是0~127，程序中通过一个char类型的变量作为数组的下标，是没有问题的，但汉字的编码是两个字节，所以会发生数组越界，解决方法是将char强转为unsigned char。