创建Node,待数据和权值
class Node implements Comparable<Node> {
Byte data;//存放数据本身,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;
}
@Override
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();
}
}
}
压缩和解压方法及main方法测试:
public static void main(String[] args) {
//测试压缩文件
// String srcFile = "d://1.png";//输入压缩文件
// String dstFile = "d://dit.zip";//输出压缩文件
// zipFile(srcFile, dstFile);
// System.out.println("压缩文件ok");
//测试解压文件
String zipFile = "d://dit.zip";
String dsFile = "d://src2.bmp";
unZipFile(zipFile,dsFile);
System.out.println("解压成功");
// String str = "i like like like java do you like a java";
// byte[] contentBytes = str.getBytes();
// System.out.println(contentBytes.length);//40
//
// byte[] huffmanCodesBytes = huffmanZip(contentBytes);
// System.out.println("压缩后的结果" + Arrays.toString(huffmanCodesBytes) + "长度为" + huffmanCodesBytes.length);
// byte[] sourceBytes = decode(huffmanCodes, huffmanCodesBytes);
/**
* 分布过程
List<Node> nodes = getNodes(contentBytes);
System.out.println("nodes=" + nodes);
//创建的二叉树
System.out.println("赫夫曼树");
Node huffmanTree = createHuffmanTree(nodes);
System.out.println("前序遍历:");
huffmanTree.preOrder();
//是否生成对应的赫夫曼编码
Map<Byte, String> huffmanCodes = getCodes(huffmanTree);
System.out.println("生成的赫夫曼编码" + huffmanCodes);
byte[] zip = zip(contentBytes, huffmanCodes);
System.out.println(Arrays.toString(zip));
*/
}
//编写,完成对压缩文件的解压
/**
* @param zipFile 准备解压的文件
* @param dstFile 将文件解压到哪个目录
*/
public static void unZipFile(String zipFile, String dstFile) {
//定义文件输入流
InputStream is = null;
//定义一个对象输入流
ObjectInputStream ois = null;
//定义文件的输出流
OutputStream os = null;
try {
//创建文件输入流
is = new FileInputStream(zipFile);
//创建一个和is 关联的对象输入流
ois = new ObjectInputStream(is);
//读取byte 数组 huffmanBytes
byte[] huffmanBytes = (byte[]) ois.readObject();
//读取赫夫曼编码表
Map<Byte, String> huffmanCodes = (Map<Byte, String>) ois.readObject();
//解码
byte[] bytes = decode(huffmanCodes, huffmanBytes);
//将bytes 数组写入到目标文件
os = new FileOutputStream(dstFile);
//写数据到 dsFile 文件
os.write(bytes);
} catch (Exception e) {
System.out.println(e.getMessage());
} finally {
try {
os.close();
ois.close();
is.close();
} catch (IOException e) {
System.out.println(e.getMessage());
}
}
}
//编写方法,将一个文件进行压缩
public static void zipFile(String srcFile, String dsFile) {
//创建输出流
OutputStream os = null;
ObjectOutputStream oos = null;
FileInputStream is = null;
try {
//创建文件的输入流
is = new FileInputStream(srcFile);
byte[] b = new byte[is.available()];
is.read(b);
//直接对源文件对进行压缩
byte[] huffmanBytes = huffmanZip(b);
//创建文件的输出流,存放压缩文件
os = new FileOutputStream(dsFile);
//创建一个和文件输出流关联的ObjectOutPutStream
oos = new ObjectOutputStream(os);
//把赫夫曼编码后的字节数组写入压缩文件
oos.writeObject(huffmanBytes);//我们是把
//这里我们以对象流的方式写入 赫夫曼编码 ,是为了以后我们回复源文件时使用
//注意一定要把赫夫曼编码写入压缩文件
oos.writeObject(huffmanCodes);
} catch (Exception e) {
System.out.println(e.getMessage());
} finally {
try {
is.close();
os.close();
oos.close();
} catch (IOException e) {
System.out.println(e.getMessage());
}
}
}
//完成数据的解压
//思路
//1、将huffmanCodeBytes[-88, -65, -56, -65, -56, -65, -55, 77, -57, 6, -24, -14, -117, -4, -60, -90, 28]
// 先转成 赫夫曼编码对应的二进制的字符串
//2、赫夫曼编码对应的二进制字符串 =》对照赫夫曼编码 =>"i like like like java do you like a java"
//编写一个方法,完成对压缩数据的解码
/**
* @param huffmanCodes 赫夫曼编码表 map
* @param huffmanBytes 赫夫曼编码得到的字符串数组
* @return 就是原来的字符串对应的数组
*/
private static byte[] decode(Map<Byte, String> huffmanCodes, byte[] huffmanBytes) {
//1、先得到 huffmanBytes 对应的 二进制的字符串,形式 10101000111...
StringBuilder stringBuilder = new StringBuilder();
//将byte 数组转成二进制的字符串
for (int i = 0; i < huffmanBytes.length; i++) {
byte b = huffmanBytes[i];
//判断是不是最后一个字节
boolean flag = (i == huffmanBytes.length - 1);
stringBuilder.append(byteToBitString(!flag, b));
}
//把字符串安装指定的赫夫曼编码进行解密
//把赫夫曼编码表进行调换,因为反向查询 a->100 100->a
Map<String, Byte> map = new HashMap<String, Byte>();
for (Map.Entry<Byte, String> entry : huffmanCodes.entrySet()) {
map.put(entry.getValue(), entry.getKey());
}
// System.out.println(map);
//创建要给集合,存放byte
List<Byte> list = new ArrayList<>();
//i 可以理解成就是索引,扫描
for (int i = 0; i < stringBuilder.length(); i++) {
int count = 1;//小的计数其
boolean flag = true;
Byte b = null;
while (flag) {
//递增的取出 key 1
String key = stringBuilder.substring(i, i + count);//i 不动,让count 移动,指定匹配到一个字符
b = map.get(key);
if (b == null) {//说明没有匹配到
count++;
} else {
//匹配到
flag = false;
}
}
list.add(b);
i += count;//i 直接移动到 count
}
//当for 循环结束后,我们list 中就存放了所有的字符 "i like like like java do you like a java"
//把 list 中的数据放入到byte[] 并返回
byte[] b = new byte[list.size()];
for (int i = 0; i < b.length; i++) {
b[i] = list.get(i);
}
return b;
}
/**
* 将一个 byte 转换一个二进制的字符串
*
* @param b
* @param flag 标志是否需要补高位如果是true,表示需要补高位,如果是false 表示不补,如果是最后一个字节,无需补高位
* @return 是该b 对应的二进制的字符串(注意是按补码返回)
*/
public static String byteToBitString(boolean flag, byte b) {
//使用变量保存 b
int temp = b;//将 b 转成int
//如果是正数还存在补高位
if (flag) {
temp |= 256;//按位与 256 1 0000 0000
}
String str = Integer.toBinaryString(temp);//返回的是temp 对应的二进制的补码
System.out.println(str);
if (flag) {
return str.substring(str.length() - 8);
} else {
return str;
}
}
//使用一个方法,将前面的方法封装起来,便于我们的调用
/**
* @param bytes
* @return
*/
private static byte[] huffmanZip(byte[] bytes) {
List<Node> nodes = getNodes(bytes);
//根据nodes 创建的赫夫曼树
Node huffmanTreeRoot = createHuffmanTree(nodes);
//对应的赫夫曼编码(根据 赫夫曼树)
Map<Byte, String> huffmanCodes = getCodes(huffmanTreeRoot);
//根据生成的赫夫曼编码,压缩得到压缩后的赫夫曼编码字节数组
byte[] huffmanCodeBytes = zip(bytes, huffmanCodes);
return huffmanCodeBytes;
}
//编写一个方法,将字符串对应的byte[] 数组,通过生成的赫夫曼编码表,返回一个赫夫曼编码,压缩后的byte[]
private static byte[] zip(byte[] bytes, Map<Byte, String> huffmanCodes) {
//1、利用huffmanCodes 将bytes 转成 赫夫曼编码对应的字符串
StringBuilder stringBuilder = new StringBuilder();
//遍历bytes 数组
for (byte b : bytes) {
stringBuilder.append(huffmanCodes.get(b));
}
//统计返回 byte[] huffmanCodeBytes 长度
//一句话 int len = (StringBuilder.length()+7)/8;
int len;
if (stringBuilder.length() % 8 == 0) {
len = stringBuilder.length() / 8;
} else {
len = stringBuilder.length() / 8 + 1;
}
//创建 存储压缩后的byte数组
byte[] huffmanCodesBytes = new byte[len];
int index = 0;//记录是第几个byte
for (int i = 0; i < stringBuilder.length(); i += 8) {//因为是每8为对应一个byte 所以步长+8
String strByte;
if (i + 8 > stringBuilder.length()) {
strByte = stringBuilder.substring(i);
} else {
strByte = stringBuilder.substring(i, i + 8);
}
//将strByte 转成一个byte 放入到 huffmanCodeBytes
huffmanCodesBytes[index] = (byte) Integer.parseInt(strByte, 2);
index++;
}
return huffmanCodesBytes;
}
//生成赫夫曼树对应的赫夫曼编码
//思路:
//1、赫夫曼树编码表存在 Map<Byte,String>形式
//32->01 97->100 100->110000等等
static Map<Byte, String> huffmanCodes = new HashMap<Byte, String>();
//2、在生成赫夫曼编码表示,需要去拼接路径,定义一个StringBuilder 存储某个叶子节点的路径
static StringBuilder stringBuilder = new StringBuilder();
//调用方便,我们重载getCodes
private static Map<Byte, String> getCodes(Node root) {
if (root == null) {
return null;
}
//处理root左子树
getCodes(root.left, "0", stringBuilder);
//处理root 右子树
getCodes(root.right, "1", stringBuilder);
return huffmanCodes;
}
/**
* 功能:将传入的node 节点的所有叶子节点的赫夫曼编码得到,并放入到
* huffmanCodes集合
*
* @param node 传入节点
* @param code 路径:左子节点是0,右子节点是1
* @param stringBuilder 是用于拼接路径
*/
private static void getCodes(Node node, String code, StringBuilder stringBuilder) {
StringBuilder stringBuilder2 = new StringBuilder(stringBuilder);
//将code 加入到 stringBuilder2
stringBuilder2.append(code);
if (node != null) {//如果node == null 不处理
//判断当前node 是叶子节点还是非叶子节点
if (node.data == null) {//非叶子节点
//递归处理
//向左
getCodes(node.left, "0", stringBuilder2);
//向右递归
getCodes(node.right, "1", stringBuilder2);
} else {//说明是一个叶子节点
//就表示找到某个叶子节点的最后
huffmanCodes.put(node.data, stringBuilder2.toString());
}
}
}
//前序遍历的方法
private static void preOrder(Node root) {
if (root != null) {
root.preOrder();
} else {
System.out.println("赫夫曼树为空");
}
}
/**
* @param bytes 接收字节数组
* @return 返回就是List 形式
*/
private static List<Node> getNodes(byte[] bytes) {
//先创建一个ArrayList
List<Node> nodes = new ArrayList<>();
//遍历bytes,统计每一个byte出现的次数->map
Map<Byte, Integer> counts = new HashMap();
for (byte b : bytes) {
Integer count = counts.get(b);
if (count == null) {//说明Map中没有数据
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;
}
//通过List 创建对应的赫夫曼树
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);
//挂起
parent.left = leftNode;
parent.right = rightNode;
//将依据处理的两棵二叉树从nodes删除
nodes.remove(leftNode);
nodes.remove(rightNode);
//将新的二叉树,加入到nodes
nodes.add(parent);
}
//nodes 最后的节点,就是赫夫曼树头节点
return nodes.get(0);
}
}
赫夫曼压缩注意事项:
1、如果文件本身就是经过压缩处理的,那么使用赫夫曼编码再压缩效率不会很明显变化,比如视频、ppt等等文件
2、赫夫曼编码是按字节来处理的,依次可以处理所有的文件(二进制文件、文本文件)
3、如果一个文件中的内容,从发的数据不多,压缩效果也不会很明显