基于哈夫曼编码的任意文件压缩与解压
基于哈夫曼编码的任意文件压缩与解压
说明：
本人是初学者，只是想分享下自己的心得，大侠勿笑。
上学期刚学完数据结构，假期要做个课程设计，就是《基于哈夫曼编码的任意文件压缩与解压》，大家都知道哈夫曼树和哈夫曼编码是如何构造的，但是可能有些朋友不知道如何把哈夫曼编码变为真正的二进制文件（至少我们同班的同学也不是全部知道，而且网上搜过下，也找不到相关介绍），所以就想在此讲下自己的方法，至于正确与否，望大家指正！
另外，这里主要讲的是哈夫曼编码构造出来后的事情，至于哈夫曼树和编码的构造，用的是严蔚敏的《数据结构》或李春葆的《数据结构教程》的方法。
由于是直接从word中copy的，效果不太好，可以点击下载doc文件
控制台源程序：在vc6，vc8中测试过，点击下载
（程序写得不好，比较混乱，效率不高，建议用release，快好多的）
MFC版演示程序：点击下载
1.
问题描述：
将任意一个指定的文件进行哈夫曼编码，并以真正的二进制位生成一个二进制文件（压缩文件）；反过来，可将一个压缩文件解码还原为原来的文件。
2.
数据结构描述：
以下是哈夫曼树结点的结构：
哈夫曼树以数组形式保存，其元素个数是2n-1，
|
struct HTNode
{
char data; //
结点值
int weight; //
权值
;
int parent; //
父结点下标
int lchild; //
左孩子下标
int rchild; //
右孩子下标
};
|
用一个数组记录，该数组元素是指向字符的指针
举例：设{a,b,c,d,e,f,g,h} 其权值 w＝{5,29,7,8,14,23,3,11} 则：
|
a
|
5
|
9
|
-1
|
-1
|
|
b
|
29
|
14
|
-1
|
-1
|
|
c
|
7
|
10
|
-1
|
-1
|
|
d
|
8
|
10
|
-1
|
-1
|
|
e
|
14
|
12
|
-1
|
-1
|
|
f
|
23
|
13
|
-1
|
-1
|
|
g
|
3
|
3
|
-1
|
-1
|
|
h
|
11
|
11
|
-1
|
-1
|
|
|
8
|
11
|
1
|
7
|
|
|
15
|
12
|
3
|
4
|
|
|
19
|
13
|
8
|
9
|
|
|
29
|
14
|
5
|
10
|
|
|
42
|
15
|
6
|
11
|
|
|
58
|
15
|
2
|
12
|
|
|
100
|
0
|
13
|
14
|
|
a
|
0 1 1 0
|
|
b
|
1 0
|
|
c
|
1 1 1 0
|
|
d
|
1 1 1 1
|
|
e
|
1 1 0
|
|
f
|
0 0
|
|
g
|
0 1 1 1
|
|
h
|
0 1 0
|
data weight parent lchild rchild
3.
主要算法描述：
其基本实现方法是，因为任意文件实际都是二进制编码的，所以对选定的任意文件以二进制方式读入，一次读入一定的长度如4096 bytes，然后对每一字节（一字节8 bit，所以刚好对应256个ASCII字符）进行统计，如此循换，这就统计出文件的个字符的权值了。
得出文件各字节的权值后，就可以构造对应哈夫曼的哈夫曼树，从而就可以构造出对应字符的哈夫曼编码了。每个字符的哈夫曼编码都知道了，那么文件的哈夫曼编码就可以求出了。
现在讲下怎样把编码转为真正的二进制，并写入文件。先从文件中一次读入一定长度如 4096 bytes，然后对每一字符逐一处理，读到一个字符，则找出它的编码，把字符的编码不够8 bit的，读入下一个字符，找其编码，取其适当的位补齐前面不够8 bit的编码，然后转换为对应Ascii字符，然后写入这个字符，超过8 bit就分开。写入后继续处理后面的字符。
举例如下：
已知：a: 1010 b: 00 c: 10000 d: 1001 e: 11 f: 10001 g: 01 h: 1001
如果其中的一段是:：acdef 则处理如下：（注意同一颜色对应一个字符的编码）
a c d e f
1010 1000
0 1001 11 1
0001 0000
|
超过8bit，断开 补上四位 这样就得到三个字符，分别是：
|
|
ASCII
为
168
的字符 ASCII为79 的字符
ASCII
为
16
的字符
|
如上述，这样就把编码按真正的二进制编码处理，把
5个字符压为3个字符，注意到，正如上例，当读文件到达文件尾时，一般不能刚好凑够8 bit 所以需要补上0直到够8 bit。
而补上的
0的个数记录为补位数。
有了这些，现在可以写入文件了，我的写入方式是这样的：
|
结点数
|
补位数
|
压缩后的文件的哈夫曼编码总长度
|
文件类型（后缀名）
|
哈夫曼树（叶子结点值和权值部分）
|
压缩后文件的哈夫曼编码（压缩文件主要部分）
|
文件压缩基本上完了，现在介绍下解压的方法：
可以看到，有了上表的信息，自然能方便的解压出原来的文件了。读出结点数就能知道哈夫曼树存入部分的总长，方便读出树哈夫曼树（子结点值和权值），就能由次些信息重新构造完整的哈夫曼树，和各结点的哈夫曼编码。解压时，读取一个字节（
8 bit）用一个函数转换为8个字符（用一个数组记录，其元素只是一个0或一个1），然后按哈夫曼树从顶向下查找，如果到达叶子结点，就读出该叶子结点的值，放入缓冲区中，如果不是，则继续找，如此重复，直到缓冲区满了，就写入到解压文件中，再循环以上过程，直到处理完所有数据。