后端知识点：哈夫曼编码

前置条件

什么是字符？

字符就是计算机中数据的表现形式。象数字，汉字，字母都是字符。在计算机中，对非数值的文字和其他符号进行处理时，要对文字和符号进行数字化，即用二进制编码来表示文字和符号。其中西文字符最常用到的编码方案有ASCII编码和EBCDIC编码。对于汉字，我国也制定的相应的编码方案-国家标准汉字编码(GB2312-80)。

常见编码方式

• ASCII编码

ASCII码由7位二进制数组成，能够表示128个字符数据。

• ANSI编码和其他扩展的ASCII码

ANSI(美国国家标准协会)编码是一种扩展的ASCII码，使用8个比特来表示每个符号。

• EBCDIC编码

在IBM System/360计算机中，IBM研制了自己的8位字符编码——EBCDIC码(Extended Binary Coded Decimal Interchange Code，扩展的二-十进制交换码)。该编码是对早期的BCDIC 6位编码的扩展，其中一个字符的EBCDIC码占用一个字节，用8位二进制码表示信息，一共可以表示出256 种字符。

• Unicode编码

ASCII码是7位编码，Unicode采用16位编码，每一个字符需要2个字节。这意味着Unicode的字符编码范围从0000h～FFFFh，可以表示65536个不同字符。

• 国家标准汉字编码(GB2312-80)

国家标准汉字编码简称国标码。该编码集的全称是“信息交换用汉字编码字符—基本集”，国家标准号是“GB2312-80”。该编码的主要用途是作为汉字信息交换码使用。

• 其他汉字编码

Big5汉字编码

什么是哈夫曼编码

“哈夫曼编码(Huffman Coding)，又称霍夫曼编码，是一种编码方式，哈夫曼编码是可变字长编码(VLC)的一种。Huffman于1952年提出一种编码方法，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，有时称之为最佳编码，一般就叫做Huffman编码（有时也称为霍夫曼编码）。”

这个哈夫曼编码实现的原理跟一种特殊的数据结构 “哈夫曼树”有观，也被称为最优二叉树。想了解同学可以看下B+树真的不难，楼下菜大爷都能学得会的B+树！，里面有各种树的解释，看了之后再去看最优二叉树就比较好理解了。

哈夫曼编码的算法是查找最优路径的一种算法，首先在所有未分配parent域的节点中找出最小的两个节点，将他们的全值相加，组成新的节点，并且将它标记为原来两个最小节点的parent。这样调用递归，最后就能够成一颗完整的哈夫曼树。然后对 每个节点进行遍历编码，得到最终的哈夫曼编码库。

哈夫曼编码的应用

哈夫曼编码，主要用途是实现数据压缩。

致谢

哈夫曼编码
计算机中字符的表示
哈夫曼编码原理详解及应用实例,哈夫曼编码算法流程图 - 全文