Hoffman 编码 (上)

Hoffman 编码

在讨论哈夫曼编码前，先说2个案例。

假如我们用01对数据进行编码一篇全英文的文章，要求编码后的文件最小。

比如我这篇文章是"AAABBC"，

分析：

有3种字母A、B、C

那么只要用2位编码就够了，分别是0、1、10、 11

#1 假如我A用0表示，B用1表示 , C用10表示

那么这篇文章编码后就是0| 0| 0| 1| 1| 10| 一共13个数字

#2 假如我A用10表示，B用1表示 C用0表示

那么这篇文章编码后就是 000| 000| 000| 1| 1| 0| 一共18个数字

所以明显第一种情况比较优。

既然存在优化的可能，那么我们就可以尝试做到最优了。

这个优化的思路就是要求出这篇文章每个字母出现的次数，出现少的用长数字（比如：10），出现的次数多的用短数字（如：0 或 1）

---

现在问题来了。

已知这篇文章用到的字母，和每个字母出现的次数，用01对他们进行编码。

如果上面的例子：

已知字母{ A、B、C }, 出现次数 { 3、2、1  }

对于的编码：

A：10

B :  1

C :  0

---

分析：

我们可以分析发现有一种数据结构和这个命题很相似（其实是哈夫曼先生发现的）

就是树，当树的叶子节点离根节点越远，树干越多，而离跟节点越近，树干越少。

这个时候我们把叶子节点比喻成A、B、C 这些字母，出现次数越少的离根越远，出现次数越多的离根节点越近。

把树干比喻成0和1，左边的树干比喻成0，右边的树干比喻成1.这样树干在翻译一下，就是我们要的编码了。

现在我们的问题变成了怎么建立这颗二叉树呢？