Huffman实现文本文件压缩
辛苦做完了估计老师也不看~~~
貌似这是俺的劳动成果~~~~~O(∩_∩)O~
数据结构课程设计报告【一】
课程设计题目：文本文件压缩【一】
题目: 文本文件压缩解压
需求分析：
输入：文本文件(压缩文件)
输出：压缩文件(文本文件) (压缩率)
知识点：堆排序、霍夫曼树、二叉树遍历、存储数据结构设计
文件流操作、字符汉字编码方式、二进制文件读写
备注：字符文件、汉字文件的压缩与解压
解决问题要点：
1. 文本文件，二进制文件及数据流的操作
2. 英文字符，中文字符的存储与识别【难点】
3. 压缩及解压的主要思想【重点】
4. Huffman树的构造
5. 编码的获取
6. 压缩文件的存储形式[huffman编码信息及数据存储]
7. 对文本文件最后一个字符的处理[补位数：压缩，解压无错误]
以上七点即解决问题的关键，仅仅了解整个思想是远远不够的，整个过程中，很多细节需要注意，把握要点的同时，要在具体实现中注意细节。
模块及框架设计：
按功能需求，主要分为五个模块
主要模块：
1. 压缩模块
2. 解压模块
辅助模块：
1. 字符识别及权重获取
2. Huffman树构造
3. 获取huffman编码
主要设计及具体实现 【实现代码(带注释)】
l 压缩解压的实现思想及原理
定义：利用算法将文件有损或无损地处理，以达到保留最多文件信息，而令文件体积变小。
在文本文件中，一个ASCII码占用一个字节空间（1Byte），汉字由两个字节构成（区码和位码），区码和位码分别用ASCII码的161-255字符表示，共94*94=8836个【GB2312编码】
即，无论字符还是汉字，均可由ASCII码表示，我们可以以二进制文件形式将一个文本文件读入，分析每个ASCII码的频数，构造huffman树，并得到相应的编码。
编码是由0、1组成的一串数字，出现频率越高的字符，其编码越短，通过这个特性，我们可以将每8位组成一个新的字符（1Byte），输出到压缩文件中，达到压缩的目的。
例如：
已知 a: 000 b:10 c: 001 d:01 e:11
如果其中的一段是:：abcde 则处理如下：
补上两位
a b c d e
000 10 00 1 01 11 00
每次取7位【取8位亦可，但此处为了处理最后一个字符，只取7位】
0+7位凑成1Byte，转化为相应AscII码输出
最后一位一般不能刚好凑够8 bit 所以需要补上0
而补上的0的个数记录为补位数 【补位数的处理】
原来： 5*1Byte=8 Byte
处理后：2*1Byte=2 Byte
仅为原来的四分之一，达到了压缩的目的
l 字符，汉字处理方式
字符，即ASCII码，ASCII编码由8位组成，共256个字符，足够表示英文文本。
汉字，是考虑的重点，多方考虑下，我选择了系统支持的GB2312编码表，而非转化为UNICODE编码。GB2312的汉字编码占用两个字节，区码和位码分别由ASCII码表的161-255字符表示，共8836个汉字，足以承担汉字处理，而UNICODE编码表是变长编码，处理困难且不利于压缩。
汉字ASCII码八位1******* 一般字符编码八位0*******
处理的思想：
以字符形式读入，每次读入一个字节（1Byte）进行处理，不去判断区分是字符还是汉字，只识别ASCII码，进行处理。
l 设计字符所存储的数据结构
读入的字符所需要存储的信息：字符，频数以及各自编码
仅仅以char数组存储将带来非常大的缺陷。
作用：提高效率，减小复杂性
class huffmanchar
{
char c;//字符
int count;//字符出现的次数
intbit[20];//用于存储huffman编码
int codelength;//bit中编码的长度
}
实例化 huffmanchar huff[256]; //ASCII字符总数
Int totalcount;//记录字符总数 ，
l 设计树节点的数据结构
在压缩时，为了解压时能够顺利获取该文件相应的huffman编码，我们可以设计一个表头，以存储编码信息，但是这种形式不但造成读入困难，而且占用空间巨大。
解决方法：压缩时，将整棵huffman以对象的形式写入压缩文件开头，解压整棵读出，强制类型转换即可方便地得到huffman树
class BinaryTreeNode
{
Int data;//频数，即权重
char character;//相应字符
BinaryTreeNode
};
设计Huffman树的数据结构
Huffman具有一般二叉树的所有特性，但是，在压缩处理过程中遇到一个情况，我们无法正确处理最后一个字符，因为通常到最后一位，编码不会满8位，这就在解压时输出多余字符。
解决方法，每次令始终第一位为0，仅取7位编码：0*******
处理到最后一位时，首位为1，并记录缺位数lackcount
Lackcount传入huffman树对象，以写入压缩文件
class BinaryTree
{
BinaryTree(){ root=0;lackcount=0;}
BinaryTreeNode
int lackcount;//构造对象是用于存储最后一位的缺位数~~~~~
}
：
整体构架及处理流程：
主类：Oper.h 字符获取，文件读取，流处理，压缩，解压缩
辅助类：BinaryTree.h 构造huffman树及获取相应编码
MinHeap.h 用于辅助构造huffman树
Chain.h 存储遍历huffman时产生的编码
BinaryTreeNode.h 存储huffman树结点
Huffmanchar.h 存储字符及权重，编码
Huffman.h 存储huffman
OutOfBounds.h huffman结点，存储树及权重
压缩主要流程：
读入文件 #include
Ifstream input;
Input.open(“d://test.txt”);
计算频数 huffmanchar huff[256]；//字符数组
Int totalcount;//记录字符总数 ，
辅助函数
bool Oper::judge(int c)//判断c所对应字符是否在数组里出现
//若是出现过，该字符count++;
void Oper::add(char c)//添加新出现的字符totalcount++;
主函数：
void Oper::getFrequency()//计算频数
{
while(!input.eof())
{
input.get(temp);
if(!judge((int)temp))
add(temp);
}
}
构造huffman树
构造霍夫曼树
思想：
1.为了构造霍夫曼树，首先从仅含一个外部节点的二叉树集合开始，每个外部节点代表字符串中一个不同的字符，其权重等于该字符的频率。
2.此后不断地从集合中选择两棵具有最小权重的二叉树，并把它们合并成一棵新的二叉树，合并方法是把这两棵二叉树分别作为左右子树，然后增加一个新的根节点。新二叉树的权重为两棵子树的权重之和。
3.这个过程可一直持续到仅剩下一棵树为止。
实现：
利用最小堆，将每个权重作为一颗仅有根节点的树传入，每次取出权值最小两个，组成一颗新树并放回到最小堆，直到仅剩一棵树
BinaryTree
{
Huffman
BinaryTree
MinHeap
H.Initialize(w,n,n);
Huffman
for(i=1;i { H.DeleteMin(x);//每次取权值最小两个 H.DeleteMin(y); z.MakeTree(0,' ',x.tree,y.tree);//组成新树 z.weight=x.weight+y.weight; H.Insert(z);//再次加入 } return x.tree;//最终返回即huffman树 } 获取huffman编码 伪代码： Chain A;//由于存储链表huffman编码 void OutputCode(root) { if(t->LeftChild ) //若是左子树不为空 { 往左走，0加入链表 OutputCode(root->leftChild)//递归处理 } if(t->RightChild) { 往右走，1加入链表 OutputCode(root->rightChild)//递归处理 } if(t->LeftChild==NULL && t->RightChild==NULL) { 若为叶节点，将链表内编码传到相应字符的bit数组 删除链表最后一个节点 Return; } Return； } 再次读入文件 压缩模块开始 主要思想： 将源文件字符一个一个读入，判断，寻找其相应编码 将编码一位一位加入缓冲区 缓冲区满8位时，转化为相应的形影ASCII编码 将编码输出 BinaryTree output.write((char *)&bc,sizeof(bc)); int buffer[8];//用作缓冲区~~~ int bufcount;//记录缓冲字节数~~，初始为1 主函数： void encoding(BinaryTree //调用辅助函数 //读入文件，处理每个字符，得到其编码 //将编码加入缓冲区 辅助函数： int changeinto(int *a) //缓冲区满时调用，将8位数组转化为一个int void addToBuff(int a,ofstream output) //将编码加入缓冲函数~~~ //缓冲区满时，转化为一个int ,写出output<<(char)intA void flushbuffer(ofstream output) //处理完最后一位字符后，缓冲区存在编码 //将首位设为1，将缓冲区剩余的输出 压缩结束 解压流程： 读入文件 重构Huffman树 直接将其存于压缩文件表头的对象读出 BinaryTree input.read((char *)&bc,sizeof(bc)); 并得到编码的缺位数 Lackcount=bc.lackcount; 开始解压 解压思想： 1. 每次一个Byte ， 2. 转化为相应二进制串，识别首位是否 3. 开始遍历huffman树(0左 1右) 若为叶节点，输出相应字符 指针回到根节点，重复此过程 void Oper::gothrough(BinaryTree //遍历树，若是叶节点输出~~~~ { if(a==0 && tnode->LeftChild ) { tnode=tnode->LeftChild; } else if(a==1 && tnode->RightChild) { tnode=tnode->RightChild; } if(tnode->LeftChild==NULL && tnode->RightChild==N 解压结束 { output< output.flush(); tnode=bc.root; } 压缩率： 表头Bytes+字符编码长（codelength）总和/8 总字符数Bytes 测试： 操作界面 测试文件： l 小文件 1. 英文文本： test1.txt 《I have a dream》全文 压缩前：8.84KB 压缩后：5.51KB 压缩率：63% 测试结果： 压缩，解压成功！压缩效果不错 内容与原文件相同 英文压缩测试成功 2.中文文本： test2.txt 《GB2312编码表》 压缩前：15.4KB 压缩后：11.6KB 压缩率：75% 测试结果：压缩，解压成功！ 内容于原文件相同，无乱码 中文汉字测试成功 l 略大文件 test3.txt 《平凡的世界》 压缩前：1.62M 压缩后：1.39M 压缩率：86% 压缩时间14.23秒 解压时间 16.85秒 测试结果：压缩，解压成功！ 压缩解压时间在可接受范围之内