系列文章导引
开源项目
本系列所有文章都将会收录到GitHub
中统一收藏与管理,欢迎ISSUE
和Star
。
GitHub传送门:Kiner算法算题记
哈夫曼编码
什么是编码
思考:在计算机当中是如何表示一个字符’a’的
有相关计算机基础知识的同学肯定都知道,我们的计算机其实是非常“笨”的,它只认识0
和1
,非黑即白,因此,无论我们要往计算机中存储什么信息,最终都是以二进制的形式存储,即存储了一段0
和1
的信息。
计算机中的编码
如果想要人眼去一一识别计算机中存储的0
和1
的信息,基本是不可能的,在我们人类的认知中,更容易让我们接受的是诸如:“a、A、0、1、2、3”等信息,因此,就需要将我们人类能够读懂的信息转换为计算机能够读懂的0
和1
的信息,这个过程,就是计算机中的编码。
概念
所谓编码,就是一种信息到另一种信息的映射规则。
定长编码与变长编码
定长编码
如:ASCII码就是一个定长编码。在我们的ASCII码表中,每一个字符占一个字节,而8个二进制位就表示一个字节,也就是说,我们的ASCII码是固定长度为8的二进制表示的定长编码,如字符’a’的ASCII码表示为:97
,其8位二进制表示为:01100001
。
定长编码的好处在于:由于定长编码代表一个字符的长度是确定的,因此,我们在编码和解码时都比较方便,直接按照这个长度截取并编码/解码即可。
# 以下二进制位代表的是一个ASCII码字符的二进制串,请转换成实际的字符
01100001010000010011001000110000
# 由于ASCII码是定长编码,每8个二进制位代表一个字符,因此,我们先将上面的二进制以8个为一个单位拆开
01100001 01000001 00110010 00110000
# 然后针对每一段8位2进制找到期对应的ASCII代表的字符
a A 2 0
# 因此,上述二进制信息代表的是字符“aA20”
变长编码
有效的变长编码:字符编码不能是其他字符编码的前缀(非绝对,只是比较常用)。如果把编码看成是二叉树上的路径,那么所有字符都落在叶子节点上。
# 假设我们将a、A和0三个字符分别编码成以下信息:
# a
01
# A
10
# 0
11
# 我们用一个二叉树来表示0和1的编码
root
/ \
0 1
/ \ / \
0 1 0 1
a A 0
# 可以看出我们的字符都是落在了二叉树的叶子节点上
变长编码的应用场景:在网络传输的过程中,通过变长编码提升网络传输的效率(需要传输的数据大小变小了,传输效率自然就高了)
哈夫曼编码
哈夫曼编码是最优的变长编码
统计字符出现频率
哈夫曼编码首先会对我们待编码的字符串进行统计,将每一个字符出现的频率统计出来
建树
统计出每一个字符的出现频率之后,会每次将所有频率中最低的两个字符合并创建成一颗二叉子树,这颗二叉子树的总频率就是两个字符出现频率之和。合并之后再从所有字符频率中(包括新合并子树的频率)再挑出两个最小的创建子树,依次类推,知道将所有字符都放到了一颗二叉树中。
编码
我们将每个路径按照左0右1的原则进行编号,那么,我们每个字符所代表的编码就已经呼之欲出了。
# 假设一篇文章中出现了以下字符
hello
# 首先统计每个字符出现的频率
h: 0.2
e: 0.2
l: 0.4
o: 0.2
# 递归地将每个字母按照出现频率最低的两两建树
# 首先将h和e放到一颗二叉子树中
0.4
/ \
h e
# 然后再将新建的子树放回概率池,剩余的字符概率最低的进行建树
# 发现新建子树和字符o概率最低
0.6
/ \
o 0.4
/ \
h e
# 最后将l于新建子树合并
1
/ \
l 0.6
/ \
o 0.4
/ \
h e
# 接下来我们将每条边都按照左0右1的规则进行编号
1
0 / \ 1
l 0.6
0 / \ 1
o 0.4
0 / \ 1
h e
# 那么,我们每个字符的编码就出来了
l: 0
o: 10
h: 110
e: 111
# 现在我们来对以下编码进行解码试试
1101110010
# 变长编码的解码规则是尽可能匹配更长的编码,匹配不上再缩小范围,按照这个规则,我们把编码划分为已下几块
110 111 0 0 10
# 依次编码得
h e l l o
公式
哈夫曼编码实际上是在求解上述公式,即根据出现概率来求解平均长度最短的码字。这也是为什么说哈夫曼编码是最优变长编码
的原因。
代码实现
// 利用小顶堆维护频率池最小的节点,npm i heap
const Heap = require("heap");
class HaNode {
freq: number = 0;
ch: string = "";
left: HaNode = null;
right: HaNode = null;
constructor(
freq: number,
ch: string,
left: HaNode = null,
right: HaNode = null
) {
this.freq = freq;
this.ch = ch;
this.left = left;
this.right = right;
}
}
export type HaffmanInfo = {
root: HaNode;
codes: Record<string, string>;
codeKey: Record<string, string>;
freqInfo: Record<string, number>;
};
export type HaffmanEncodeResult = {
detail: Record<string, string>;
code: string;
freqInfo: Record<string, number>;
haffmanInfo: HaffmanInfo
};
class HaffmanCode {
// 由于建树时需要每次获取两个出现频次最低的节点,因此利用小顶堆实现
heap: Heap<HaNode>;
constructor() {
this.heap = new Heap((a: HaNode, b: HaNode) => a.freq - b.freq);
}
/**
* 统计每个字符出现的次数
* @param str
* @returns
*/
statistics(str: string): Record<string, number> {
const map: Record<string, number> = {};
for (let c of str) {
if (map[c] === undefined) map[c] = 0;
map[c]++;
}
return map;
}
/**
* 根据构建的二叉字典树构建成哈夫曼编码
* @param root 二叉树根节点
* @param prefix 当前节点的前缀字符串
* @param codes 储存字符和哈夫曼编码的映射关系,用于编码
* @param codeKey 储存哈夫曼编码与字符的映射关系,用于解码
* @returns
*/
__extra_code(
root: HaNode,
prefix: string = "",
codes: Record<string, string>,
codeKey: Record<string, string>
): void {
if (root.ch !== "") {
codes[root.ch] = prefix;
codeKey[prefix] = root.ch;
return;
}
this.__extra_code(root.left, prefix + "0", codes, codeKey);
this.__extra_code(root.right, prefix + "1", codes, codeKey);
}
/**
* 预处理哈夫曼编码的一些信息,如手机字符出现频次,创建小顶堆,建树,字符编码银蛇
* @param str
* @returns
*/
__predo(str: string): HaffmanInfo {
// 统计每个字符出现的频次
const map = this.statistics(str);
// 按照频次将节点插入到小顶堆中
Object.keys(map).forEach((key) => {
this.heap.insert(new HaNode(map[key], key));
});
// 每次从小顶堆弹出两个元素(频次最少)合并成一个节点
while (this.heap.size() > 1) {
const a: HaNode = this.heap.pop();
const b: HaNode = this.heap.pop();
this.heap.insert(new HaNode(a.freq + b.freq, "", a, b));
}
const root: HaNode = this.heap.top();
const codes: Record<string, string> = {};
const codeKey: Record<string, string> = {};
this.__extra_code(root, "", codes, codeKey);
return {
root,
codes,
freqInfo: map,
codeKey
};
}
/**
* 编码
* @param str
* @returns
*/
encode(str: string): HaffmanEncodeResult {
const info = this.__predo(str);
const { codes, freqInfo } = info;
return {
detail: codes,
code: str
.split("")
.map((char) => codes[char])
.join(""),
freqInfo,
haffmanInfo: info
};
}
/**
* 解码
* @param str
* @param info 包含编码信息与字符映射信息等编码相关信息,用于解码
* @returns
*/
decode(str: string, info: HaffmanInfo): string {
let pos = 0;
let res = '';
let buff = '';
const {codeKey} = info;
while(str[pos]) {
buff += str[pos++]
if(codeKey[buff]) {
res+=codeKey[buff];
buff = '';
}
}
return res;
}
}
const haffmanCode = new HaffmanCode();
const { detail, code, freqInfo, haffmanInfo } = haffmanCode.encode(
"hello, my name is kiner tang! would you like some milk?"
);
Object.keys(detail).forEach((key) => {
console.log(
`字符【${key}(出现频次:${freqInfo[key]})】的哈夫曼编码为:${detail[key]}`
);
});
console.log("完整哈夫曼编码:", code);
console.log(`解码:${haffmanCode.decode(code, haffmanInfo)}`);
// 字符【 (出现频次:10)】的哈夫曼编码为:00
// 字符【l(出现频次:5)】的哈夫曼编码为:010
// 字符【!(出现频次:1)】的哈夫曼编码为:01100
// 字符【s(出现频次:2)】的哈夫曼编码为:01101
// 字符【n(出现频次:3)】的哈夫曼编码为:0111
// 字符【o(出现频次:4)】的哈夫曼编码为:1000
// 字符【t(出现频次:1)】的哈夫曼编码为:100100
// 字符【,(出现频次:1)】的哈夫曼编码为:100101
// 字符【d(出现频次:1)】的哈夫曼编码为:100110
// 字符【?(出现频次:1)】的哈夫曼编码为:100111
// 字符【i(出现频次:4)】的哈夫曼编码为:1010
// 字符【m(出现频次:4)】的哈夫曼编码为:1011
// 字符【a(出现频次:2)】的哈夫曼编码为:11000
// 字符【g(出现频次:1)】的哈夫曼编码为:110010
// 字符【w(出现频次:1)】的哈夫曼编码为:110011
// 字符【h(出现频次:1)】的哈夫曼编码为:110100
// 字符【r(出现频次:1)】的哈夫曼编码为:110101
// 字符【u(出现频次:2)】的哈夫曼编码为:11011
// 字符【y(出现频次:2)】的哈夫曼编码为:11100
// 字符【k(出现频次:3)】的哈夫曼编码为:11101
// 字符【e(出现频次:5)】的哈夫曼编码为:1111
// 完整哈夫曼编码: 1101001111010010100010010100101111100000111110001011111100101001101001110110100111111111010100100100110000111110010011000011001110001101101010011000111001000110110001010101110111110001101100010111111001011101001011101100111
// 解码:hello, my name is kiner tang! would you like some milk?