哈夫曼树编码压缩解压缩

闽南师范大学

《数据结构》课程设计报告

课程设计题目： Huffman 编码压缩和解压缩文件工具设计

摘 要

Huffman 编码将给字母分配编码。每个字母的编码的长度取决于

在被压缩文件中对应字母的出现频率，我们称之为 权重 。每个字母的

Huffman 编码是从称为 Huffman 编码树 的 满二叉树 (所有节点要么有

左右两个子孩子，要么就没有子孩子)中得到的。 Huffman 编码树 的

每一个叶节点对应于一个字母，叶节点的权重 （weight）就是它对

应的字母出现的频率。使用权重的目的是建立的 Huffman 编码树 有 最

小外部路径权重 。 通过对被压缩文件建立Huffman树得到对应字符的Huffman编码

再对文件进行转码再以 16 进制的方式写入解压后的文件中达到压缩

的目的，通过解压后的文件以及 Huffman 编码文件，反过来建立

Huffman 树得到 Huffman 编码进行解压。

关键词 ： Huffman ，树， 16 进制，压缩，解压 目录

摘要 .............................................................................................. 2

1 问题背景 ................................................................................. 4

2 设计内容 ................................................................................. 4

2.1 问题描述 ..................................................................... 4

2.2 需求分析 ..................................................................... 4

3 整体设计 ................................................................................. 5

3.1 系统整体功能图 ....................................................... 5

3.2 Huffman 树编码解码大致流程 ............................. 5

3.3 Huffman 树的建立 .................................................... 6

4 详细设计 ................................................................................. 7

4.1 压缩的设计 ........................................................................... 7

4.2 解压的设计 ........................................................................... 12

5 设计感受 ................................................................................... 13

附录 ................................................................................................ 13

-3- 1 问题背景

许多文件过于庞大占用过多的存储空间，通过压缩来使文件变小，

需要使用时再将文件解压使用，大大的缓解了存储空间不足的问题，

减少数据大小以节省保存空间和传输的时间，有助于释放多余的存储

空间。日常生活中也难免会遇到由于文件体积过大而无法发送的问题，

压缩文件则可以大大提高我们的工作效率。

2 设计内容

2.1 问题描述

设计该系统主要是为了解决文件过大的问题，提供压缩的工具以解决

问题，需要使用时再通过这个工具进行解压。

2.2 需求分析

1 、输入一个待压缩的文本文件路径名，统计文本文件中各字符的个

数作为权值，生成哈夫曼树，生成编码文件；

2 、输入一个待解压的压缩文件路径名称，并利用该压缩文件得到相

应的哈夫曼树，再将编码序列译码得到解码文本文件；

3 、在压缩时输出哈夫曼树中度为 2 的节点个数；

-4- 3 整体设计

3.1 系统整体功能图

3.2Huffman 树编码解码大致流程

编码：

1. 读入待编码源文件；

2. 第一次扫描：统计文件中各字符的出现频率；

3. 构建 Huffman 树；

4. 遍历 Huffman 树，获得各字符的码表；

5. 第二次扫描：对源文件的每个字符编码；

-5- 解码：

1. 读入编码后的文件；

2. 获取 Huffman 树；

3. 从根节点开始依据从文件中读取的 Huffman 码值沿树行走，至叶结点时完成一个字符的解码，

并返回根节点；

4. 重复上述过程，完成所有字符的解码；

3.3 Huffman 树的建立

1. 建立 Huffman 树的节点，一个节点有 lchild ， rchild ， parent ， weight ， flag

等参数。

class HTNode:

def __init__(self,d="",w=None):

self.data=d

self.weight=w

self.parent=-1

self.lchild=-1

self.rchild=-1

self.flag=True

2. 统计文本字符出现的次数作为每个字符的权值，每次将字符权值最小的取出

建立 Huffman 树然后再添加到原数组当中，直到所有字符都取出， Huffman 树就

建立好。

-6- 4 详细设计

4.1 压缩的设计

1. 统计文本字符出现的次数作为每个字符的权值，每次将字符权值最小的取出

建立 Huffman 树然后再添加到原数组当中，直到所有字符都取出， Huffman 树就

建立好。

def weight(self,txt):

global ht,n,D,W

D=[]

W=[]

j=0

Str =str(txt)

resoult = {}

for i in Str:

resoult[i] = Str.count(i)

for key in resoult:

D.append(key)

W.append(resoult[key])

j+=1

n=j

def Creat(self):

global ht,n,D,W,k1

heap=[]

ht=[None]*(2*n-1)

for i in range(n):

heapq.heappush(heap,[W[i],i])

ht[i]=HTNode(D[i],W[i])

for k in range(n,2*n-1):

p1=heapq.heappop(heap)

p2=heapq.heappop(heap)

ht[k]=HTNode()

ht[k].weight=ht[p1[1]].weight+ht[p2[1]].weight

ht[p1[1]].parent=k

ht[k].lchild=p1[1]

ht[p1[1]].flag=True

ht[p2[1]].parent=k

ht[k].rchild=p2[1]

ht[p2[1]].flag=False

heapq.heappush(heap,[ht[k].weight,k])

-7- 2. 先定义一个 count=0 ，遍历 Huffman 树所有节点如果一个节点的左孩子和右孩

子都不为 None ， count 则加 1 。最后遍历完后输出 count 。

k1=k

count=0

for y in range(int(1+k1/2),k1):

if ht[y].lchild!=None:

if ht[y].rchild!=None:

print(ht[y].weight)

count+=1

print(" 度为 2 的节点有： ")

print(count)

3. Huffman 树建立好了之后，将左子树分支编码为 0 ，右子树分支编码为 1 ，每

个字符都得到固定的 01 编码。经过这个编码设置之后我们可以发现，出现频率

越高的字符越会在上层，这样它的编码越短；出现频率越低的字符越会在下层，

编码越短。经过这样的设计，最终整个文本存储空间才会最大化的缩减。

def CreateH(self):

global n,ht,hcd

hcd=[]

for i in range(n):

conum=[]

j=i

while ht[j].parent!=-1:

if ht[j].flag:

conum.append('0')

else:

conum.append('1')

j=ht[j].parent

conum.reverse()

hcd.append(''.join(conum))

print(hcd)

4. 把文件内容对应编码表对应的 01 编码得到对应的一整个文本的 01 编码，将

01 编码 8 个为一个单位转化成相应的 byte 。把 Huffman 树的信息以二进制的方

式写入文件，把转化成的 byte 以二进制的方式写入文件，压缩完成。

def zuhe(self,txt,wj):

global kd

by=''

de=[]

-8- -9-

num=0

file=open(wj+'yasuo.txt',"wb")

global hcd,D,W

for i in txt:

for j in range(len(D)):

if i==D[j]:

by=by+hcd[j]

ti=len(by)

if ti%8!=0:

t1=ti%8

by=by+'0'*(8-t1)

kd=1

head=max(W)

if head> 255:

kd = 2

if head > 65535:

kd = 3

if head > 16777215:

kd = 4

while 1:

temp=hex(int(by[num:num+8],2))

num=num+8

de.append(temp)

if num==len(by):

break

file.write(int.to_bytes(len(D) ,2 ,byteorder = 'big'))

# 写出结点数量

file.write(int.to_bytes(kd,1 ,byteorder = 'big'))

for x in range(len(D)):

file.write(D[x].encode())

file.write(int.to_bytes(W[x],kd,byteorder = 'big'))

for li in de:

s = struct.pack('B',int(li,16))

file.write(s) -10-

5. 压缩成功占用空间减小

4.2 解压的设计

1. 根据文件头的信息得到 Huffman 树的基本信息，重建 Huffman 树

class jieya:

def Creat2(self,wj):

global D1,W1,lis,j,n,ht

D1=[]

W1=[]

j=1

f=open(wj,"rb")

f.seek(0,2)

f.seek(0)

n = int.from_bytes(f.read(2), byteorder = 'big')

# 取出结点数量

bit_width = int.from_bytes(f.read(1), byteorder = 'big')

i=0

while i < n:

D1.append(f.read(1).decode())

W1.append(int.from_bytes(f.read(bit_width), byteorder = 'big'))

i+=1 print(D1)

print(W1)

heap=[]

ht=[None]*(2*n-1)

for i in range(n):

heapq.heappush(heap,[W1[i],i])

ht[i]=HTNode(D1[i],W1[i])

for k in range(n,2*n-1):

p1=heapq.heappop(heap)

p2=heapq.heappop(heap)

ht[k]=HTNode()

ht[k].weight=ht[p1[1]].weight+ht[p2[1]].weight

ht[p1[1]].parent=k

ht[k].lchild=p1[1]

ht[p1[1]].flag=True

ht[p2[1]].parent=k

ht[k].rchild=p2[1]

ht[p2[1]].flag=False

heapq.heappush(heap,[ht[k].weight,k])

3. 重新对每个字符编码，将左子树分支编码为 0 ，右子树分支编码为 1 ，得到每

个字符的 01 编码。

hcd1=[]

for i in range(n):

code=[]

j=i

while ht[j].parent!=-1:

if ht[j].flag:

code.append('0')

else:

code.append('1')

j=ht[j].parent

code.reverse()

hcd1.append(''.join(code))

4. 文件内容以二进制读出，对照编码表，得到编码对应的原字符，直到所有的

huffman 编码都比较完，完成解压缩还原文件原内容。

Q=''

for i in f.read():

i='{:0>8}'.format(str(bin(i))[2:])

Q=Q+i

code = ""

ans = ""

-11- for ch in Q:

code += ch

for j in range(len(hcd1)):

if code==hcd1[j]:

code = ""

ans +=str(D1[j])

break

f=open(wj+'jieya.txt',"wb")

f.write(ans.encode("utf-8"))

5. 解压成功还原成原文件。

5. 设计感受

通过 Huffman 树编码得到的文件占用空间大大减少，对于压缩文件十分适用，

通过这份课设我对于 Huffman 的理解更加深刻，对 Huffman 树的构造使用更加

了解，更加能理解 Huffman 编码会成为一种非常高效，压缩率高的编码方式的原

因。对 Huffman 树的构造使用更加了解，这是一个非常有实际效益，非常有意义

的一个压缩和解压的工具，代码上还有很多地方可以进行完善，但是这份课设真

的让我收益匪浅。感谢老师提出的更多的要求，让我克服很多困难完成这份课设。

附录 代码

import heapq

import struct

import sys

sys.setrecursionlimit(1000000)

-12- class HTNode:

def __init__(self,d="",w=None):

self.data=d

self.weight=w

self.parent=-1

self.lchild=-1

self.rchild=-1

self.flag=True

class node:

def weight(self,txt):

global ht,n,D,W

D=[]

W=[]

j=0

Str =str(txt)

resoult = {}

for i in Str:

resoult[i] = Str.count(i)

for key in resoult:

D.append(key)

W.append(resoult[key])

j+=1

n=j

def Creat(self):

global ht,n,D,W,k1

heap=[]

ht=[None]*(2*n-1)

for i in range(n):

heapq.heappush(heap,[W[i],i])

ht[i]=HTNode(D[i],W[i])

for k in range(n,2*n-1):

p1=heapq.heappop(heap)

p2=heapq.heappop(heap)

ht[k]=HTNode()

ht[k].weight=ht[p1[1]].weight+ht[p2[1]].weight

ht[p1[1]].parent=k

ht[k].lchild=p1[1]

ht[p1[1]].flag=True

ht[p2[1]].parent=k

ht[k].rchild=p2[1]

ht[p2[1]].flag=False

-13- heapq.heappush(heap,[ht[k].weight,k])

k1=k

e=0

for y in range(int(1+k1/2),k1):

if ht[y].lchild!=None:

if ht[y].rchild!=None:

print(ht[y].weight)

e+=1

print(" 度为 2 的节点有： ")

print(e)

def CreateH(self):

global n,ht,hcd

hcd=[]

for i in range(n):

conum=[]

j=i

while ht[j].parent!=-1:

if ht[j].flag:

conum.append('0')

else:

conum.append('1')

j=ht[j].parent

conum.reverse()

hcd.append(''.join(conum))

def zuhe(self,txt,wj):

global kd

by=''

de=[]

num=0

file=open(wj+'yasuo.txt',"wb")

global hcd,D,W

for i in txt:

for j in range(len(D)):

if i==D[j]:

by=by+hcd[j]

ti=len(by)

if ti%8!=0:

t1=ti%8

by=by+'0'*(8-t1)

kd=1

-14- -15-

head=max(W)

if head> 255:

kd = 2

if head > 65535:

kd = 3

if head > 16777215:

kd = 4

while 1:

temp=hex(int(by[num:num+8],2))

num=num+8

de.append(temp)

if num==len(by):

break

file.write(int.to_bytes(len(D) ,2 ,byteorder = 'big'))

# 写出结点数量

file.write(int.to_bytes(kd,1 ,byteorder = 'big'))

for x in range(len(D)):

file.write(D[x].encode())

file.write(int.to_bytes(W[x],kd,byteorder = 'big'))

for li in de:

s = struct.pack('B',int(li,16))

file.write(s)

def ya(self,txt,wj):

self.weight(txt)

self.Creat()

self.CreateH()

self.zuhe(txt,wj)

print(" 压缩成功！ ")

class jieya:

def Creat2(self,wj):

global D1,W1,lis,j,n,ht

D1=[]

W1=[]

j=1

f=open(wj,"rb")

f.seek(0,2)

f.seek(0)

n = int.from_bytes(f.read(2), byteorder = 'big')

# 取出结点数量

bit_width = int.from_bytes(f.read(1), byteorder = 'big')

i=0

while i < n:

D1.append(f.read(1).decode())

W1.append(int.from_bytes(f.read(bit_width), byteorder = 'big'))

i+=1 print(D1)

print(W1)

heap=[]

ht=[None]*(2*n-1)

for i in range(n):

heapq.heappush(heap,[W1[i],i])

ht[i]=HTNode(D1[i],W1[i])

for k in range(n,2*n-1):

p1=heapq.heappop(heap)

p2=heapq.heappop(heap)

ht[k]=HTNode()

ht[k].weight=ht[p1[1]].weight+ht[p2[1]].weight

ht[p1[1]].parent=k

ht[k].lchild=p1[1]

ht[p1[1]].flag=True

ht[p2[1]].parent=k

ht[k].rchild=p2[1]

ht[p2[1]].flag=False

heapq.heappush(heap,[ht[k].weight,k])

global hcd1

hcd1=[]

for i in range(n):

code=[]

j=i

while ht[j].parent!=-1:

if ht[j].flag:

code.append('0')

else:

code.append('1')

j=ht[j].parent

code.reverse()

hcd1.append(''.join(code))

Q=''

for i in f.read():

i='{:0>8}'.format(str(bin(i))[2:])

Q=Q+i

code = ""

ans = ""

for ch in Q:

code += ch

for j in range(len(hcd1)):

if code==hcd1[j]:

-16- code = ""

ans +=str(D1[j])

break

f=open(wj+'jieya.txt',"wb")

f.write(ans.encode("utf-8"))

print(" 欢迎使用！ ")

print("1. 压缩 ")

print("2. 解压 ")

print("0. 退出 ")

b=int(input(" 请选择 :"))

while 1:

if b==1:

wj=input(" 请输入要压缩的文件路径 :").strip()

t=open(wj,'r',encoding='UTF-8')

txt=t.read()

t.close()

a=node()

a.ya(txt,wj)

b=int(input(" 请选择 :"))

if b==2:

wj=input(" 请输入要解压的文件路径 :").strip()

f=open(wj,"rb")

file=f.read()

a=jieya()

a.Creat2(wj)

f.close()

print(" 解压成功 !")

b=int(input(" 请选择 :"))

if b==0:

break

-17