C语言之霍夫曼编码学习
C语言之霍夫曼编码学习
1，霍夫曼编码描述
哈夫曼树─即最优二叉树，带权路径长度最小的二叉树，经常应用于数据压缩。 在计算机信息处理中,“哈夫曼编码”是一种一致性编码法（又称“熵编码法”），用于数据的无损耗压缩。这一术语是指使用一张特殊的编码表将源字符（例如某文件中的一个符号）进行编码。这张编码表的特殊之处在于，它是根据每一个源字符出现的估算概率而建立起来的（出现概率高的字符使用较短的编码，反之出现概率低的则使用较长的编码，这便使编码之后的字符串的平均期望长度降低，从而达到无损压缩数据的目的）。这种方法是由David.A.Huffman发展起来的。 例如，在英文中，e的出现概率很高，而z的出现概率则最低。当利用哈夫曼编码对一篇英文进行压缩时，e极有可能用一个位(bit)来表示，而z则可能花去25个位（不是26）。用普通的表示方法时，每个英文字母均占用一个字节（byte），即8个位。二者相比，e使用了一般编码的1/8的长度，z则使用了3倍多。若能实现对于英文中各个字母出现概率的较准确的估算，就可以大幅度提高无损压缩的比例。
2，问题描述
霍夫曼编码前首先要统计每个字的字频，即出现次数，例如：
1、将所有字母出现的次数以从小到大的顺序排序，如上图
2、每个字母都代表一个终端节点（叶节点），比较F.O.R.G.E.T五个字母中每个字母的出现频率，将最小的两个字母频率相加合成一个新的节点。如上图所示，发现F与O的频率最小，故相加2+3=5，将F、O组成一个树，F为左节点，O为右节点，（FO）为根节点，每个节点的取值为其出现频率（FO的出现频率为5）
3、比较5.R.G.E.T，发现R与G的频率最小，故相加4+4=8，将RG组成一个新的节点
4、比较5.8.E.T，发现5与E的频率最小，故相加5+5=10，因此将FO作为左节点，E作为右节点，FOE作为根节点
5、比较8.10.T，发现8与T的频率最小，故相加8+7=15，将RG作为左节点，T作为右节点，RGT作为根节点
6、最后剩10.15，没有可以比较的对象，相加10+15=25，FOE作为左节点，RGT作为右节点
根节点不取值，每个左子节点取值0，右子节点取值1，将每个字母从根节点开始遍历，沿途的取值组成编码：
首先选择一个文本，统计每个字符出现的次数，组成以下数组：
typedef struct FrequencyTreeNode {
int freq;
char c;
struct FrequencyTreeNode *left;
struct FrequencyTreeNode *right;
} FrequencyTreeNodeStruct, *pFrequencyTreeNodeStruct;
然后将获得的数组frequencies进行排序，按照freq由小到大的顺序组成一个二叉查找树，FrequencyTreeNodeStruct，从二叉查找树中找到最小的节点，从树中删除，再取最小的节点，两个子节点，组成一个新的树，根节点c为0，freq为两个子节点的和，加入frequencies中，并排序，重复该步骤，一直到frequencies中只有一个节点，则该节点为Huffman coding tree的根节点
以short类型按照前述的规则为每个字符编码，尔后将文本翻译为Huffman coding，再通过Huffman coding tree进行解码，验证编码的正确性。
3，代码实现
#include<stdio.h>
#define n 5 //叶子数目
#define m (2*n-1) //结点总数
#define maxval 10000.0
#define maxsize 100 //哈夫曼编码的最大位数
//定义结构体
typedef struct FrequencyTreeNode {
int freq;
char c;
struct FrequencyTreeNode *left;
struct FrequencyTreeNode *right;
} FrequencyTreeNodeStruct, *pFrequencyTreeNodeStruct;
FrequencyTreeNodeStruct frequencies[MAXALPABETNUM];
typedef struct
{
char bits[n]; //位串
int start; //编码在位串中的起始位置
char ch; //字符
}codetype;
// 读取文件内容，统计字符以及出现频率
void readTxtStatistics(char* fileName)
{
unsigned int nArray[52] = {0};
unsigned int i, j;
char szBuffer[MAXLINE];
int k=0;
// 读取文件内容
FILE* fp = fopen(fileName, \"r\");
if (fp != NULL)
{ /*读取文件内容,先统计字母以及出现次数*/
while(fgets(szBuffer, MAXLINE, fp)!=NULL)
{
for(i = 0; i < strlen(szBuffer); i++)
{
if(szBuffer[i] <= \'Z\' && szBuffer[i] >= \'A\')
{
j = szBuffer[i] - \'A\';
}
else if(szBuffer[i] <= \'z\' && szBuffer[i] >= \'a\')
{
j = szBuffer[i] - \'a\' + 26;
}
else
continue;
nArray[j]++;
}
}
// 然后赋值给frequencies数组
for(i = 0, j = \'A\'; i < 52; i++, j++)
{
if (nArray[i] >0)
{
/*****/
frequencies[k].c=j;
frequencies[k].freq=nArray[i];
frequencies[k].left=NULL;
frequencies[k].right=NULL;
k++;
printf(\"%c:%d\\n\", j, nArray[i]);
}
if(j == \'Z\')
j = \'a\' - 1;
}
}
}
//建立哈夫曼树
void huffMan(frequencies tree[]){
int i,j,p1,p2;//p1,p2分别记住每次合并时权值最小和次小的两个根结点的下标
float small1,small2,f;
char c;
for(i=0;i<m;i++) //初始化
{
tree[i].parent=0;
tree[i].lchild=-1;
tree[i].rchild=-1;
tree[i].weight=0.0;
}
printf(\"【依次读入前%d个结点的字符及权值(中间用空格隔开)】\\n\",n);
//读入前n个结点的字符及权值
for(i=0;i<n;i++)
{
printf(\"输入第%d个字符为和权值\",i+1);
scanf(\"%c %f\",&c,&f);
getchar();
tree[i].ch=c;
tree[i].weight=f;
}
//进行n-1次合并，产生n-1个新结点
for(i=n;i<m;i++)
{
p1=0;p2=0;
//maxval是float类型的最大值
small1=maxval;small2=maxval;
//选出两个权值最小的根结点
for(j=0;j<i;j++)
{
if(tree[j].parent==0)
if(tree[j].weight<small1)
{
small2=small1; //改变最小权、次小权及对应的位置
small1=tree[j].weight;
p2=p1;
p1=j;
}
else if(tree[j].weight<small2)
{
small2=tree[j].weight; //改变次小权及位置
p2=j;
}
tree[p1].parent=i;
tree[p2].parent=i;
tree[i].lchild=p1; //最小权根结点是新结点的左孩子
tree[i].rchild=p2; //次小权根结点是新结点的右孩子
tree[i].weight=tree[p1].weight+tree[p2].weight;
}
}
}
//根据哈夫曼树求出哈夫曼编码，code[]为求出的哈夫曼编码，tree[]为已知的哈夫曼���
void huffmancode(codetype code[],frequencies tree[])
{
int i,c,p;
codetype cd; //缓冲变量
for(i=0;i<n;i++)
{
cd.start=n;
cd.ch=tree[i].ch;
c=i; //从叶结点出发向上回溯
p=tree[i].parent; //tree[p]是tree[i]的双亲
while(p!=0)
{
cd.start--;
if(tree[p].lchild==c)
cd.bits[cd.start]=\'0\'; //tree[i]是左子树，生成代码\'0\'
else
cd.bits[cd.start]=\'1\'; //tree[i]是右子树，生成代码\'1\'
c=p;
p=tree[p].parent;
}
code[i]=cd; //第i+1个字符的编码存入code[i]
}
}
//根据哈夫曼树解码
void decode(hufmtree tree[])
{
int i,j=0;
char b[maxsize];
char endflag=\'2\'; //电文结束标志取2
i=m-1; //从根结点开始往下搜索
printf(\"输入发送的编码(以\'2\'为结束标志)：\");
gets(b);
printf(\"编码后的字符为\");
while(b[j]!=\'2\')
{
if(b[j]==\'0\')
i=tree[i].lchild; //走向左子节点
else
i=tree[i].rchild; //走向右子节点
if(tree[i].lchild==-1) //tree[i]是叶结点
{
printf(\"%c\",tree[i].ch);
i=m-1; //回到根结点
}
j++;
}
printf(\"\\n\");
if(tree[i].lchild!=-1&&b[j]!=\'2\') //文本读完，但尚未到叶子结点
printf(\"\\nERROR\\n\"); //输入文本有错
}
void main()
{
printf(\"---------------—— 哈夫曼编码实战 ——\\n\");
printf(\"总共有%d个字符\\n\",n);
frequencies tree[m];
codetype code[n];
int i,j;//循环变量
huffMan(tree);//建立哈夫曼树
huffmancode(code,tree);//根据哈夫曼树求出哈夫曼编码
printf(\"【输出每个字符的哈夫曼编码】\\n\");
for(i=0;i<n;i++)
{
printf(\"%c: \",code[i].ch);
for(j=code[i].start;j<n;j++)
printf(\"%c \",code[i].bits[j]);
printf(\"\\n\");
}
printf(\"【读入内容，并进行编码】\\n\");
// 开始编码
decode(tree);
}
C++ Primer Plus 第6版 中文版 清晰有书签PDF+源代码
读C++ Primer 之构造函数陷阱
读C++ Primer 之智能指针
读C++ Primer 之句柄类
将C语言梳理一下，分布在以下10个章节中：
- Linux-C成长之路（一）：Linux下C编程概要
- Linux-C成长之路（二）：基本数据类型
- Linux-C成长之路（三）：基本IO函数操作
- Linux-C成长之路（四）：运算符
- Linux-C成长之路（五）：控制流
- Linux-C成长之路（六）：函数要义
- Linux-C成长之路（七）：数组与指针
- Linux-C成长之路（八）：存储类，动态内存
- Linux-C成长之路（九）：复合数据类型
- Linux-C成长之路（十）：其他高级议题
本文永久更新链接地址：
评论暂时关闭