文件压缩与解压：哈夫曼编码

源代码下载（VS2008工程）：

http://download.csdn.net/detail/stevenkylelee/3761759

 

先上图

 

 

　　把要压缩或要解压的文件拖拽到窗口中即可。另存为编辑框是压缩或解压的输出路径。对于压缩来说，另存为路径是目标文件的路径加上一个.shc扩展名。对于解压来说，会去掉最后一个扩展名。

　　压缩的核心其实就是用了哈夫曼编码原理。我封装了一个哈夫曼编码类，内部使用了一个哈夫曼树类。

 

　　要对一个文件进行压缩，执行如下步骤：

　　1.建立编码方案。第一遍扫描文件，统计这个文件中各种不同的字节出现的次数（256种），以这个次数作为权值，建立对应的哈夫曼树。然后取得每个不同字节对应的01编码序列。

　　2.计算压缩后的大小，压缩率。需要再次扫描文件。由于我用内存文件映射的方式来做压缩，所以这一步必不可少，要先知道将要创建的压缩文件的大小。

　　3.执行编码。执行编码的话，要把原先的压缩信息写入文件的头部。有一个长1024字节大小的表，这个表记录了原先压缩的文件的每种字节出现的次数。还有一个4字节的字段，这个字段记录了压缩文件最后一个字节使用的比特位数。为什么要记录最后一个字节使用的比特位数呢？比如：A 对应01序列，B对应001序列，那么AB压缩后是：01001。对于一个字节来说，是有8位的，01001只使用了5位，还有3位未使用。

　　要对一个文件进行解压，执行如下步骤：

　　1.读取压缩时写入的文件头，也就是解压信息。重建原先的哈夫曼树。设置一个哈夫曼树游走指针指向树根节点。

　　2.文件遍历指针越过文件头，指向压缩数据起始位置，遍历到文件尾部。每遇到一字节，还需要遍历这个字节的所有位。从其最高位向下遍历，如果此位是0，那么哈夫曼树游走指针就游走左子树路径。如果此位是1，就游走右子树路径。每次在哈夫曼树中游走后，都要判断下，是否走到了叶子节点。如果走到了叶子节点，就说明找到了解压信息，取出对应的叶子节点的数据信息，写入解压文件，并设置哈夫曼树的游走指针重新指向树根节点。

　　OK，以上是压缩和解压步骤的概括说明。再补充一些细节。

　　怎么对文件进行编码的呢？比如说"A"这个字母，其对应的ASCII码值是65吧。65对应的字节二进制数是：1000001。同理，"B"对应的二进制数是：1000010。正常情况下，A和B在内存都占用了1字节，AB同占用2字节。

　　如果我们的哈夫曼编码计算出：A对应的编码为：01，B对应的编码为001。那么AB在一起就应该是01001，才占用了一个字节的5位嘛。这样在原先的基础上就节省出了1字节零3位，当然，零头3位在没编码占用的情况下，是没用的。

　　由于，各种01序列编码的长度都不一样，所以，有可能一个编码会被字节的大小隔开。我们知道的，一个字节是8位。假如A编码为00001，B编码为000001，那么AB在一起的编码就是：00001000001了。这样子，一个字节是装不下的，需要分2个字节来装，便是：00001000 001。第二个字节只用了3位，剩下5位没用。这时，你就需要设置一个规定了，是前一个字节的高位接上后一个字节的低位，还是前一个字节的低位接上后一个字节的高位。我的选择是后者，感觉比较直观一些。