零、前言
此代码仅针对原文字符进行重新编码 ，但是最终的输出仍在.txt中。也就是说，虽然最终的文件中只含有01，但是每一个01实际为char类型，而不是真正意义上的二进制。
读者可以略微修改代码即可实现真正的二进制保存。
另一方面，等效文件压缩率应为 (“压缩”后的文件大小/8) / 原文件大小。此处的8就是因为01是char类型，而sizeof(char)=8 bit 造成的。
一、主要模块
0.禁用警告
不同ide，不同版本的c语言的警告、报错会有不同。通过下面这句话可以消除绝大部分因版本不同而带来的警告、报错
#define _CRT_SECURE_NO_WARNINGS // 禁用警告1.结构体定义
// 定义哈夫曼树的节点结构体
typedef struct hfmnode
{
int data; // 字符数据，ASCII 码值
int weight; // 字符权重，即出现次数
int lc; // 左孩子索引
int rc; // 右孩子索引
int parent; // 父节点索引
char code[50]; // 用于存储哈夫曼编码的数组，最大长度为 50
} HTNode;2.主函数
int main() {
// 文件指针声明
FILE* source_ptr, * dest_ptr;
// 打开源文件，以二进制读取方式打开
source_ptr = fopen("source.txt", "rb");
if (source_ptr == NULL) {
printf("无法打开源文件。\n");
return 1;
}
char ch;//保存每次读取的一个字节内容
int freq[256] = { 0 };//用于保存所有字符出现频次的缓冲数组
// 统计源文件中字符出现的频次
while ((ch = fgetc(source_ptr)) != EOF) {
freq[(unsigned char)ch]++;
}
fclose(source_ptr);
// 计算字符种类数
int SIZE = CountChar(freq);
// 动态分配哈夫曼树节点数组内存
HTNode* ht = (HTNode*)malloc(sizeof(HTNode) * (2 * SIZE - 1));
// 初始化哈夫曼树
InitTree(ht, SIZE);
// 将字符频次信息导入哈夫曼树
Import(freq, ht, SIZE);
// 构建哈夫曼树
UnionNode(ht, SIZE);
// 打开目标文件，以写入方式打开
dest_ptr = fopen("dest.txt", "w");
if (dest_ptr == NULL) {
printf("无法打开目标文件。\n");
return 1;
}
// 保存编码信息到目标文件前面
SaveCodeToFile("dest.txt", ht, SIZE);
// 对源文件进行编码并写入目标文件
EncodeFile("source.txt", "dest.txt", ht, SIZE);
// 关闭文件指针
fclose(dest_ptr);
free(ht); // 释放内存
// 输出成功信息
printf("成功将字符频次信息保存到 dest.txt 文件中，并进行编码替换。\n");
return 0;
}4.生成哈夫曼树（核心）
思路：每次找到 两个 “权重最小” && “parent=-1” 的根节点，将两棵树结合为一棵树，结合后的树的根节点的权值是两子树根节点权值之和，并修改涉及的三个节点的索引。重复此过程，直到森林中只剩下一棵树。
// 构建哈夫曼树
void UnionNode(HTNode* ht, int SIZE)
{
int min1, min2;
for (int i = 0; i < 2 * SIZE - 1; i++)
{
ht[i].lc = -1;
ht[i].rc = -1;
ht[i].parent = -1;
memset(ht[i].code, 0, sizeof(ht[i].code));
}
for (int round = 1; round <= SIZE - 1; round++)
{
min1 = -1;
min2 = -1;
for (int i = 0; i < SIZE - 1 + round; i++)
{
if (ht[i].parent == -1 && ht[i].weight)
{
if (min1 == -1 || ht[i].weight < ht[min1].weight)
{
min2 = min1;
min1 = i;
}
else if (min2 == -1 || ht[i].weight < ht[min2].weight)
{
min2 = i;
}
}
}
ht[SIZE - 1 + round].weight = ht[min1].weight + ht[min2].weight;
ht[min1].parent = SIZE - 1 + round;
ht[min2].parent = SIZE - 1 + round;
ht[SIZE - 1 + round].lc = min1;
ht[SIZE - 1 + round].rc = min2;
//以下用于哈夫曼编码
char code[256];
GenerateHuffmanCode(ht, SIZE - 1 + round, code, 0);
}
// 检查是否只有一个字符，若是，则手动设置其编码为 "0"
if (SIZE == 1) {
strcpy(ht[0].code, "0");
}
}5.利用递归进行哈夫曼编码
思路：哈夫曼编码类似于树的先序遍历，对根节点进行判断--左孩子--右孩子。
// 生成哈夫曼编码
void GenerateHuffmanCode(HTNode* ht, int root, char* code, int depth)
{
if (ht[root].lc == -1 && ht[root].rc == -1) // 判断是否为叶子节点
{
code[depth] = '\0'; // 叶子节点的编码结束符为 '\0'
strcpy(ht[root].code, code); // 将编码复制到叶子节点的 code 字段中
return;
}
code[depth] = '0'; // 左子树编码为 '0'
GenerateHuffmanCode(ht, ht[root].lc, code, depth + 1);
code[depth] = '1'; // 右子树编码为 '1'
GenerateHuffmanCode(ht, ht[root].rc, code, depth + 1);
}二、效果
1.对整个代码进行压缩
可以看出，空格(0010_0000)的编码最短，即其出现频率最高，符合在代码中的出现频率。
2.对单字符文件压缩
可以看出，由于字符数量足够多，可以忽略单字符编码所占空间，与预期相符。
此情况下的压缩率也是哈夫曼编码的理论最大压缩率。
3.对一段文本压缩
在这段文本中，可以看出出现频次最高的两个字符为 “空格” (0010_0000) 与 “e” (0110_0101)。
三、完整代码
#define _CRT_SECURE_NO_WARNINGS // 禁用警告
#include "stdio.h"
#include "stdlib.h"
#include "string.h"
// 定义哈夫曼树的节点结构体
typedef struct hfmnode
{
int data; // 字符数据，ASCII 码值
int weight; // 字符权重，即出现次数
int lc; // 左孩子索引
int rc; // 右孩子索引
int parent; // 父节点索引
char code[50]; // 用于存储哈夫曼编码的数组，最大长度为 50
} HTNode;
// 函数声明
void InitTree(HTNode* ht, int SIZE);
void PrintTree(HTNode* ht, int SIZE);
void UnionNode(HTNode* ht, int SIZE);
int CountChar(int* freq);
void Import(int* freq, HTNode* ht, int SIZE);
void GenerateHuffmanCode(HTNode* ht, int root, char* code, int depth);
void EncodeFile(const char* sourceFile, const char* destFile, HTNode* ht, int SIZE);
void SaveCodeToFile(const char* destFile, HTNode* ht, int SIZE);
int main() {
// 文件指针声明
FILE* source_ptr, * dest_ptr;
// 打开源文件，以二进制读取方式打开
source_ptr = fopen("source.txt", "rb");
if (source_ptr == NULL) {
printf("无法打开源文件。\n");
return 1;
}
char ch;
int freq[256] = { 0 };
// 统计源文件中字符出现的频次
while ((ch = fgetc(source_ptr)) != EOF) {
freq[(unsigned char)ch]++;
}
fclose(source_ptr);
// 计算字符种类数
int SIZE = CountChar(freq);
// 动态分配哈夫曼树节点数组内存
HTNode* ht = (HTNode*)malloc(sizeof(HTNode) * (2 * SIZE - 1));
// 初始化哈夫曼树
InitTree(ht, SIZE);
// 将字符频次信息导入哈夫曼树
Import(freq, ht, SIZE);
// 构建哈夫曼树
UnionNode(ht, SIZE);
// 打开目标文件，以写入方式打开
dest_ptr = fopen("dest.txt", "w");
if (dest_ptr == NULL) {
printf("无法打开目标文件。\n");
return 1;
}
// 保存编码信息到目标文件前面
SaveCodeToFile("dest.txt", ht, SIZE);
// 对源文件进行编码并写入目标文件
EncodeFile("source.txt", "dest.txt", ht, SIZE);
// 关闭文件指针
fclose(dest_ptr);
free(ht); // 释放内存
// 输出成功信息
printf("成功将字符频次信息保存到 dest.txt 文件中，并进行编码替换。\n");
return 0;
}
// 将字符编码信息保存到目标文件
void SaveCodeToFile(const char* destFile, HTNode* ht, int SIZE)
{
FILE* dest_ptr = fopen(destFile, "r+");
if (dest_ptr == NULL) {
printf("无法打开目标文件。\n");
return;
}
for (int i = 0; i < SIZE; i++) {
int num = ht[i].data;
char binary[9]; // 8位二进制数
for (int j = 7; j >= 0; j--) {
binary[j] = (num & 1) + '0'; // 将最低位的值转换为字符
num >>= 1; // 右移一位
}
binary[8] = '\0'; // 添加字符串结束符
fprintf(dest_ptr, "%s ", binary); // 写入字符的 8 位二进制形式
for (int j = 0; ht[i].code[j] != '\0'; j++) {
fprintf(dest_ptr, "%c", ht[i].code[j]); // 写入字符的二进制形式
}
fprintf(dest_ptr, "\n");
}
fclose(dest_ptr);
}
// 初始化哈夫曼树
void InitTree(HTNode* ht, int SIZE)
{
for (int i = 0; i < (2 * SIZE - 1); i++)
{
ht[i].data = 0;
ht[i].weight = 0;
ht[i].lc = -1;
ht[i].rc = -1;
ht[i].parent = -1;
memset(ht[i].code, 0, sizeof(ht[i].code));
}
}
// 构建哈夫曼树
void UnionNode(HTNode* ht, int SIZE)
{
int min1, min2;
for (int i = 0; i < 2 * SIZE - 1; i++)
{
ht[i].lc = -1;
ht[i].rc = -1;
ht[i].parent = -1;
memset(ht[i].code, 0, sizeof(ht[i].code));
}
for (int round = 1; round <= SIZE - 1; round++)
{
min1 = -1;
min2 = -1;
for (int i = 0; i < SIZE - 1 + round; i++)
{
if (ht[i].parent == -1 && ht[i].weight)
{
if (min1 == -1 || ht[i].weight < ht[min1].weight)
{
min2 = min1;
min1 = i;
}
else if (min2 == -1 || ht[i].weight < ht[min2].weight)
{
min2 = i;
}
}
}
ht[SIZE - 1 + round].weight = ht[min1].weight + ht[min2].weight;
ht[min1].parent = SIZE - 1 + round;
ht[min2].parent = SIZE - 1 + round;
ht[SIZE - 1 + round].lc = min1;
ht[SIZE - 1 + round].rc = min2;
char code[256];
GenerateHuffmanCode(ht, SIZE - 1 + round, code, 0);
}
// 检查是否只有一个字符，若是，则手动设置其编码为 "0"
if (SIZE == 1) {
strcpy(ht[0].code, "0");
}
}
// 生成哈夫曼编码
void GenerateHuffmanCode(HTNode* ht, int root, char* code, int depth)
{
if (ht[root].lc == -1 && ht[root].rc == -1) // 判断是否为叶子节点
{
code[depth] = '\0'; // 叶子节点的编码结束符为 '\0'
strcpy(ht[root].code, code); // 将编码复制到叶子节点的 code 字段中
return;
}
code[depth] = '0'; // 左子树编码为 '0'
GenerateHuffmanCode(ht, ht[root].lc, code, depth + 1);
code[depth] = '1'; // 右子树编码为 '1'
GenerateHuffmanCode(ht, ht[root].rc, code, depth + 1);
}
// 将源文件内容进行哈夫曼编码并写入目标文件
void EncodeFile(const char* sourceFile, const char* destFile, HTNode* ht, int SIZE)
{
FILE* source_ptr = fopen(sourceFile, "rb");
FILE* dest_ptr = fopen(destFile, "a");
if (source_ptr == NULL || dest_ptr == NULL) {
printf("无法打开文件。\n");
return;
}
char ch;
while ((ch = fgetc(source_ptr)) != EOF) {
for (int i = 0; i < SIZE; i++) {
if (ht[i].data == (unsigned char)ch) {
fprintf(dest_ptr, "%s", ht[i].code); // 将哈夫曼编码写入目标文件
break;
}
}
}
fclose(source_ptr);
fclose(dest_ptr);
}
// 统计非零频次字符种类数
int CountChar(int* freq)
{
int cnt = 0;
for (int i = 0; i < 256; i++)
if (freq[i])
cnt++;
return cnt;
}
// 将非零频次字符信息导入哈夫曼树节点数组
void Import(int* freq, HTNode* ht, int SIZE)
{
int j = 0;
for (int i = 0; i < 256; i++)
{
if (freq[i])
{
ht[j].data = i;
ht[j].weight = freq[i];
j++;
}
}
}
// 打印哈夫曼树节点信息（调试用）
void PrintTree(HTNode* ht, int SIZE)
{
for (int i = 0; i < 2 * SIZE - 1; i++)
{
printf("data: %d freq: %d lc: %d rc: %d parent: %d code: %s\n",
ht[i].data, ht[i].weight, ht[i].lc, ht[i].rc, ht[i].parent, ht[i].code);
}
}
945
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
