文件压缩（c++）

最新推荐文章于 2023-07-28 16:55:20 发布

原创

最新推荐文章于 2023-07-28 16:55:20 发布 · 1.7k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#压缩

有关于文件压缩的思想和问题。

huffman tree不单单针对文件压缩，也可以用在其他地方
这里写图片描述
编码时候更关注叶子结点。
直接利用二叉树前中后序遍历二叉树找叶子结点，但前提是必须是三叉链。
生成Huffman编码：第一种是_infos[root->_w._ch]._code = code;//字符的ASCII码//将编码存入到叶子结点的权值的字符中
第二种是string& code = _infos[root->_w._ch]._code;//没有创建对象,没有拷贝，可读性变高

文件压缩
问题:
1.汉字不能正确压缩
因为汉字通常是由负数的ASCII码组成，_infos[]不能访问到。
只能强转（unsigned char)
问题1：存在汉字的文件，压缩时程序会崩，所以需要让程序支持汉字字符压缩。
打断点找存在汉字程序就会崩的问题所在。
只需要将_infos[root->_w._ch]._code改为_infos[(unsigned char)root->_w._ch]._code就可以了，是为了将负数值的ASCII码所对应的汉子字符读出。
源文件：
这里写图片描述
解压缩后的文件：

2.如果需要压缩的数据过多，就不能正确压缩
解压缩与文件的随机性有关。（！待解决！）
需要判断是压缩的问题还是解压缩的问题。。。
（1）没有解压缩完全
通过记录压缩的字符个数，与解压缩的字符个数比较，查看是否是解压缩的问题
一种可能是没有读的字符个数不足，说明解压缩时候读压缩文件有误。
另一种可能是压缩的写的字符个数不够，说明压缩时候写文件有误。

。。以上通过记录个数调试。。。
问题2：现阶段少部分的字符格式的文件是可以被压缩与解压缩的。
源文件：
这里写图片描述
压缩后的文件：

解压缩后的文件：

但是程序仍旧存在问题，如果文件内存的字符过多（具体的数值大小不清楚），就会出现问题。
压缩前：

解压缩后：

结果并不正确！
所以要解决问题，就要知道程序出错的位置，要测试看到底是压缩的过程出现问题还是解压缩的过程出现问题。
所以，为什么解压缩的时候解压缩的长度具有随机性？

提前遇到EOF。
文件格式。

文件没有读完，就提前遇到了EOF，为什么？
文本文件是可以读的，二进制文件——音频、视频、图片
文本文件通过EOF判断结束，一般来说，-1的ASCII码是不用的
文本文件里面不会出现-1，但二进制文件可能出现-1，所以不可以用EOF单纯判断结束。

解决方式：
feof()要比EOF多读一次。
feof（）文件结束符，只有当文件结束或者错误的时候其返回的值是非零值，否则为零，比EOF好的地方在于省去了EOF判断是-1的时候会影响结果的情况。
所以将while循环的判断条件改为 !foef(fout) ，让ASCII码为-1的字符不会影响结果。

1.文本方式读写
2.二进制读写
文件系统——管理文件（FEOF——读到最后一次不会停，会多读一次）
会有接口来管理文件，比如说文件指针，下标移动读文件。

一般情况，先单独压缩，在单独解压缩。
压缩是没有问题，解压缩有问题，解压缩依赖Huffman tree，需要字符出现的次数。
为什么压缩与解压缩一起运行的时候解压缩没有出问题？
因为压缩与解压缩用的是同一个对象，即同一个Huffman tree，所以解压缩是有字符出现的次数是存在的。

但根源问题是在压缩的时候就要记录。
文本和二进制形式写，
这里写图片描述
所以两者占的空间是一样的。

文本形式
在压缩之后，写字符出现的次数到压缩文件，——解压缩时重建Huffman tree
char buffer[128];
for(size_t i=0;i<256;++i)
{
if（_infos[i]._count > 0)
{
fputc(_infos[i]._ch,fin);
fputc(’ ‘,fin);
itoa(_infos[i]._count,buffer,10);
fputs(buffer,fin);
fputc(‘\n’,fin);
}
}

字符分为可读和不可读的。。。。。
将次数读出来使用itoa变成字符串保存。
二进制形式
//为什么fwrite既有size还有count？
在内存的角度和磁盘的角度：
count 对象的number（个数），size是每一次准备写的每个对象的字节数。
二进制形式任意对象都可以写进去。

char buffer[128];
for(size_t i=0;i<256;++i)
{
if（_infos[i]._count > 0)
{
fwrite(&_infos[i],sizeof(CharInfo),1,fin);
}
}
二进制形式比文本形式所占空间更大。（不一定）

为什么二进制形式写进去所占的字节数更多？
这里写图片描述