文件压缩-HuffMan压缩

最新推荐文章于 2021-03-23 18:07:30 发布

Name_seven

最新推荐文章于 2021-03-23 18:07:30 发布

阅读量1k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： C++ 文章标签： Huffman文件压缩

本文链接：https://blog.youkuaiyun.com/Nameseven/article/details/98050731

什么是HuffMan压缩：

简单来说就是利用Huffman树生成Huffman编码，对文件重复出现的字符进行记录，以减少出现次数。从而达到压缩文件的目的。

为什么HuffMan就能实现文件压缩呢？

数据在硬盘中的存储是有格式的，比如说字符就是char类型的，占了8个比特位，但是实际上有些字符可能根本就用不了8个比特位，因此就造成了空间的浪费。而huffman就是根据字符出现的次数重新建立存储规则，减少这些空间浪费。

什么是HuffMan树？

定义： Huffman树，又称最优二叉树，是加权路径长度最短的二叉树。
带权路径长度 = 节点的权值 * 当前节点距离根节点的路径长度
在这里插入图片描述

如何构建HuffMan树？

在这里插入图片描述

生成HuffMan编码

HuffMan树中左子树路径标记为0，右子树路径标记为1.从根节点到叶子结点的编码就是该字符的Huffman编码。
在这里插入图片描述

HuffMan文件压缩原理：

1.统计待压缩文件中每个字符出现的次数

构建结构体，存放信息：字符，次数，编码
遍历源文件，将每个字符的次数写入对应的结构体信息中

2.将字符出现的次数作为权值构建Huffman树

普通的二叉树只能通过双亲节点找到子节点，但是在获取编码的时候需要通过叶子结点往根节点走，所有构建二叉树时，要有子节点指向双亲节点

3.通过Huffman树获取每个字符所对应的编码

通过叶子结点找根节点的编码是逆序的，所以要使用reverse

4.向压缩文件中写入信息

压缩文件中只保存压缩的文件内容是不够的，还要有一些记录源文件内容的信息
第一行：存放源文件的后缀，因为在解压缩文件的时候需要后缀
第二行：存放源文件字符，次数的总行数
第三行：存放字符和字符出现的次数–为了解压缩重建Huffman树
剩余内容是压缩编码
例如：源文件名为“1.txt”,存放“ABBBCCCCCDDDDDDD”
在压缩文件中的模型为：

解压缩：

1.获取后缀
2.获取字符以及对应的次数
3.重建Huffman树
4.解压压缩数据

从压缩文件中读取一个字节ch
从根节点开始，按照ch的8个比特位信息(代表字符的编码)从高到低遍历Huffman树：
a.该比特位是0，取当前节点的左孩子，否则取右孩子
b.一直遍历，直到遍历到叶子节点位置，该字符就被解析成功，讲解压出来的字符写入文件
c.如果在遍历Huffman过程中，8个比特位已经比较完毕还没有到达叶子节点，就从第四步开始执行
d.重复以上过程，直到所有的数据解析完毕

问题：

1.压缩汉字时候程序会崩溃，但是压缩字母程序就能正常运行？

原因:创建存放信息的数据是char 类型的，类型大小是1字节(0~255),但是汉字都是占两个字节的，对应的char类型就会因为超过255而导致数组的下边变成负数，数组下边越界访问导致程序崩溃。
解决方法：将存放信息的数据类型改成unsigned char 类型

2.解压大文件，只能解压缩一部分内容？

原因：一般情况下，文件指针碰到EOF就表示到文件结尾了，因为EOF是 -1，也就是FF，所以只解压了一部分（解压到第一个FF就停止了）。
解决方法：采用 feof()函数，多加一个判断即可，feof()函数就是判断文件末尾，而不仅仅是碰见EOF停止。

3.为什么压缩照片的时候会失败？

原因：是因为 ‘\0’ 的问题,因为如果刚开始把（字节，次数）先写入 buf 中，再由 buf 通过 fwrite 函数写入文件中，一定会出现问题（可能出现 0 字节）。因为 fwrite 的第一个参数要求C格式的字符串，把 buf 转化为C格式的字符串，如果遇见 ‘\0’，就会停止，所以就会崩溃。
解决方法：不要将字节写入 buf 中，而是通过 fputc 直接把字节写入文件中，然后再写入 buf 中，再将buf写入文件即可。

文件压缩的图解过程：

在这里插入图片描述

源码：
main.c

#include "HuffmanTree.hpp"
#include "FileCompressHuffman.h"

int main()
{
   
   
	//TestHuffman();

	FileCompressHuffmanM test;
	//test.CompressFile("文件压缩（原文件）.png");

	test.UnCompressFile("文件压缩.hzp");
	return 0;
}

huffmanTree.hpp

#pragma once
#include<iostream>
using namespace std;
#include<vector>
#include<queue>


template<class W>
struct HuffmanTreeNode   //定义哈弗曼树节点的类型
{
   
   
	HuffmanTreeNode(const W& weight)
		:_pLeft(nullptr)
		, _pRight(nullptr)
		, _pParent(nullptr)
		, _weight(weight)
	{
   
   }

	HuffmanTreeNode<W>* _pLeft;
	HuffmanTreeNode<W>* _pRight;
	//用孩子双亲形式表示二叉树，方便从叶子结点找到根节点，从而对字符进行编码
	HuffmanTreeNode<W>* _pParent;

	W _weight;   //节点权值
};

template<class W>
struct Compare //用仿函数比较，变小堆
{
   
   
	typedef HuffmanTreeNode<W>* PNode;
	bool operator()(const PNode pLeft, const PNode pRight)
	{
   
   
		return pLeft->_weight > pRight->_weight;
	}
};


template<class W>
class HuffmanTree
{
   
   
	typedef HuffmanTreeNode<W> Node;
	typedef Node* PNode;
public:
	HuffmanTree()//构造函数，初始状态下为空树
		: _pRoot(nullptr)
	{
   
   }

	void CreatHuffmanTree(const std::vector<W>& v, const W& invalid)  //根据权值创建树，模板引用   vector在标准的命名空间中定义的
	{
   
   
 		if (v.empty())   //v是存放权值的数组
			return;
		//用所给的权值创建二叉树森林
		//std::priority_queue<PNode> q;    使用仿函数实现 小堆  比较器
		std::priority_queue<PNode,std::vector<PNode>,Compare<W>> q;//优先级队列 保存树，把地址放进去就好了，，但是默认是大堆，而我们需要的是小堆

		for (size_t i = 0; i < v.size(); ++i)
		{
   
   
			if (v[i] != invalid)  //过滤出现0次的字符,通过创建哈弗曼树多加上一个参数 来实现
			q.push(new Node(v[i]));  //用权值创建节点
		}
		while (q.size() > 1)  //当树不止一个时，把作为左右孩子
		{
   
   
			PNode pLeft = q.top();
			q.pop();

			PNode pRight = q.top