数据结构(十二) -- 树(四) -- 霍夫曼树

1. 基本介绍

1. 给定n个权值为n个叶子节点，构造一棵二叉树，若该树的带权路径长度（wpl）达到最小，称这样的二叉树为最优二叉树，也成为了霍夫曼树。
2. 霍夫曼树是带权路径长度最短的树，权值较大的节点离根较近

2. 霍夫曼树的几个重要概念

1. 路径和路径长度：在一棵树中，从一个节点往下可以达到的孩子或孙子节点之间的通路，成为路径。通路中分支的数目称为路径长度。若规定根节点的层数为1，则从根节点到第L层节点的路径长度为L-1
2. 节点的权和带权路径长度：若将树中节点付给一个有着某种意义的数值，则这个数值成为该节点的权（值）。节点的带权路径长度为：从根节点到该节点之间的路径长度与该节点的权的乘积。
3. 树的带权路径长度：树的带权路径长度规定为所有叶子节点的带权路径长度之和，记为WPL（weighted path length），权值越大的节点离根节点越近的二叉树才是最优二叉树
4. WPI最小的就是霍夫曼树

3. 霍夫曼树创建

要求：给定一个数列{13,7,8,3,29,6,1}，要求转成一个霍夫曼树。

3.1 构成霍夫曼树的步骤：

1. 将每一个数据从小到大排序，每个数据都是一个节点，每个节点可以看成是一颗最简单的二叉树
2. 取出根节点权值最小的两颗二叉树
3. 组成一颗新的二叉树，该新的二叉树的根节点的权值是前面两颗二叉树根节点权值的和
4. 再将这颗新的二叉树，以根节点的权值大小，再次排序，不断重复上述步骤，直到数列中，所有的数据都被处理，就得到一颗霍夫曼树
5. 图解：
   1. 数列：4,6,7,8,13,29
      
   2. 数列：7,8,10,13,29
      
   3. 数列：10,13,15,29
      
      
   4. 数列：15,23,29
      
   5. 数列：29,38
      

3.2 代码实现：

public class HuffmanTree {
   

	public static void main(String[] args) {
   
		int arr[] = {
    13, 7, 8, 3, 29, 6, 1 };
		Node root = createHuffmanTree(arr);
		
		//测试一把
		preOrder(root); //
		
	}
	
	//编写一个前序遍历的方法
	public static void preOrder(Node root) {
   
		if(root != null) {
   
			root.preOrder();
		}else{
   
			System.out.println("是空树，不能遍历~~");
		}
	}

	// 创建赫夫曼树的方法
	/**
	 * 
	 * @param arr 需要创建成哈夫曼树的数组
	 * @return 创建好后的赫夫曼树的root结点
	 */
	public static Node createHuffmanTree(int[] arr) {
   
		// 第一步为了操作方便
		// 1. 遍历 arr 数组
		// 2. 将arr的每个元素构成成一个Node
		// 3. 将Node 放入到ArrayList中
		List<Node> nodes = new ArrayList<Node>();
		for (int value : arr) {
   
			nodes.add(new Node(value));
		}
		
		//我们处理的过程是一个循环的过程
		
		
		while(nodes.size() > 1) {
   
		
			//排序 从小到大 
			Collections.sort(nodes);
			
			System.out.println("nodes =" + nodes);
			
			//取出根节点权值最小的两颗二叉树 
			//(1) 取出权值最小的结点（二叉树）
			Node leftNode = nodes.get(0);
			//(2) 取出权值第二小的结点（二叉树）
			Node rightNode = nodes.get(1);
			
			//(3)构建一颗新的二叉树
			Node parent = new Node(leftNode.value + rightNode.value);
			parent.left = leftNode;
			parent.right = rightNode;
			
			//(4)从ArrayList删除处理过的二叉树
			nodes.remove(leftNode);
			nodes.remove(rightNode);
			//(5)将parent加入到nodes
			nodes.add(parent);
		}
		
		//返回哈夫曼树的root结点
		return nodes.get(0);
		
	}
}

// 创建结点类
// 为了让Node 对象持续排序Collections集合排序
// 让Node 实现Comparable接口
class Node implements Comparable<Node> {
   
	int value; // 结点权值
	char c; //字符
	Node left; // 指向左子结点
	Node right; // 指向右子结点

	//写一个前序遍历
	public void preOrder() {
   
		System.out.println(this);
		if(this.left != null) {
   
			this.left.preOrder();
		}
		if(this.right != null) {
   
			this.right.preOrder();
		}
	}
	
	public Node(int value) {
   
		this.value = value;
	}

	@Override
	public String toString() {
   
		return "Node [value=" + value + "]";
	}

	@Override
	public int compareTo(Node o) {
   
		// TODO Auto-generated method stub
		// 表示从小到大排序
		return this.value - o.value;
	}
}

4. 霍夫曼编码

4.1 基本介绍

4.2 原理剖析

通信领域中信息的处理方式：

1. 定长编码：
   

2. 变长编码：目前存在匹配的多意性，比如10010110100，我们是理解成10 0 101 10 100，但是机器也能理解成1 0 0 。。。。
   

3. 霍夫曼编码
   

注意：在获取字符出现次数时，可能出现重复的情况，但是这个不影响，我们生成的霍夫曼的树不一样，但是树的权（WPL）还是一样的，也就是压缩效率还是一致的。

4.3 使用霍夫曼树进行数据压缩

4.3.1 要求：

4.3.2 思路：

4.3.3 代码编写：

1. Node类，代表霍夫曼树的一个节点：

//创建Node ,待数据和权值
class Node implements Comparable<Node>  {
   
	Byte data; // 存放数据(字符)本身，比如'a' => 97 ' ' => 32
	int weight; //权值, 表示字符出现的次数
	Node left;//
	Node right;
	public Node(Byte data, int weight) {
   

		this.data = data;
		this.weight = weight;
	}
	@Override
	public int compareTo(Node o) {
   
		// 从小到大排序
		return this.weight - o.weight;
	}

	public String toString() {
   
		return "Node [data = " + data + " weight=" + weight + "]";
	}

	//前序遍历
	public void preOrder() {
   
		System.out.println(this);
		if(this.left != null) {
   
			this.left.preOrder();
		}
		if(this.right != null) {
   
			this.right.preOrder();
		}
	}
}

2. 接收字节数组并转成node

/**
 * 步骤一：
 * @param bytes 接收字节数组
 * @return 返回的就是 List 形式   [Node[date=97 ,weight = 5], Node[]date=32,weight = 9]......],
 */
private static List<Node> getNodes(byte[] bytes) {
   
	//1创建一个ArrayList
	ArrayList<Node> nodes = new ArrayList<Node>();
	//遍历 bytes , 统计 每一个byte出现的次数->map[key,value]
	Map<Byte, Integer> counts = new HashMap<>();
	for (byte b : bytes) {
   
		Integer count = counts.get(b);
		if (count == null) {
    // Map还没有这个字符数据,第一次
			counts.put(b, 1);
		} else {
   
			counts.put(b, count + 1);
		}
	}

	//把每一个键值对转成一个Node 对象，并加入到nodes集合
	//遍历map
	for(Map.Entry<Byte, Integer> entry: counts.entrySet()) {
   
		nodes.add(new Node(entry.getKey(), entry.getValue()));
	}
	return nodes;
}

3. 将node列表转成霍夫曼树：

// 步骤二：
//将getNodes方法生成的Node列表转变成对应的赫夫曼树，并返回最后的根节点
private static Node createHuffmanTree(List<Node> nodes) {
   
	while(nodes.size() > 1) {
   
		//排序, 从小到大
		Collections.sort(nodes);
		//取出第一颗最小的二叉树
		Node leftNode = nodes.get(0);
		//取出第二颗最小的二叉树
		Node rightNode = nodes.get(1);
		//创建一颗新的二叉树,它的根节点 没有data, 只有权值
		Node parent = new Node(null, leftNode.weight + rightNode.weight);
		parent.left = leftNode;
		parent.right = rightNode;

		//将已经处理的两颗二叉树从nodes删除
		nodes.remove(leftNode);
		nodes.remove(rightNode);
		//将新的二叉树，加入到nodes
		nodes.add(parent);

	}
	//nodes 最后的结点，就是赫夫曼树的根结点
	return nodes.get(0)