C++实现基于哈夫曼树的数据压缩算法

1. 需求分析

现如今互联网无时无刻不在传输海量的数据，但这其中很多数据是冗余的，有非常多重复的字节（字符），如果设计一个转化表，将二进制数 01 代表一个 1 字节的字符，那么传输效率将大大提升。将二进制数替代本身字符有如下几点要求：

• 因为需要解压，所以编码不能有异议性，也就是说任意字符对应的二进制数不能“包含其它字符对应的二进制数”
• 需要尽可能地缩短编码的平均长度，可以让出现频率高的字符对应较短的字节，出现频率较低的字符对应较长的字节

2. 总体设计

根据以上需求，可以采用哈夫曼编码（Huffman Coding），哈夫曼编码是一种可变长编码，该方法完全依据字符出现概率来构造异字头的平均长度最短的码字。

考虑需要压缩的内容一般都非常长，不利于在命令行中输入及粘贴，所以考虑从文本文件（txt）中读取内容，压缩后输出在命令行中

3. 详细设计

数据结构：

• 内容结构：

typedef struct Contents
{
    int size;  // 读入字串的大小
    char* pt;  // 读入的内容
    int* frequency;  // 存储每个字符出现的次数
    int** huffmanCode;  // 存储每个字符的哈夫曼编码
} Contents;

• 哈夫曼树结构：

typedef struct HuffmanTreeNode
{
    int weight;  // 结点的权重
    int value;  // 结点的值
    struct HuffmanTreeNode* LChild;  // 结点的左孩子
    struct HuffmanTreeNode* RChild;  // 结点的右孩子
} Node,*PNode;

函数：

• 主模块：

int main(int argc, char *argv[]);
error()
void error();

• 加密模块：

void encode(char *argv[]);
Contents* readFile(FILE *fp);
void clear(Contents* content, PNode top);

• 文本分析模块：

void frequency(Contents* content);
PNode* intArray2PNodeArray(Contents* content);
void sort(PNode* a,int i);

• 哈夫曼树模块：

PNode createHuffmanTree(PNode * a);
void InorderTraversal(PNode top);
void PreorderTraversal(PNode top);
void PostorderTraversal(PNode top);
void printHuffmanTree(PNode top);
void createHuffmanCoding(PNode top, Contents* content ,int* code , int n);

另：源文件中有所有函数的详细解释（函数名、功能、调用的函数、被调用、输入、输出、返回值···），例如：

4. 系统测试与分析

为了方便他人操作，我对程序做了两部优化：

• 使用命令行参数来选择功能及选择文件

• 考虑到他人初次得到程序时不知道如何使用，我在设计程序时对不合法输入做了处理，使程序调用 error()函数来输出相关教程，非常简洁直观

• 在考虑输出格式时考虑了 windows 系统下换行符由“\t”“\n”两个字符组成，如果输入每个字符的表格的话会遇到输出格式的问题，所以一开始只输出 ASCII 码，但随后考虑到大量的 ASCII 码不利于阅读，权衡之下还是采用了字符输出。
• 考虑到一般使用时需要直接得到哈夫曼编码，如果再保存到文件中会极大影响效率，因此将最后得到的哈夫曼编码直接显示在命令行中
• 为应对各种错误情况，我对可能出现的错误（例如：不合法的输入、不存在的文件、文件被占用、内存分配失败···等情况都做了相对应的 error 处理）
  

最后输出结果：

（输出包括文本内容、字符出现的个数、生成的哈弗曼树、每个字符对应的哈夫曼编码、最后压缩生成的文本，非常详尽）