【数据结构】通过哈夫曼树实现对文本的压缩与解压

一、前言

之前做的一个数据结构作业，通过哈夫曼树实现对文本的压缩与解压，参考了很多网上的方法，因为时间有限，注释并没有写，但是代码缩进还是比较清晰。
另外，哈夫曼树我单独写了个头文件，是在之前写二叉树类的基础上改的，所以其实里面有很多用不到的代码，比如多种遍历方式，包括递归和非递归的实现，大家忽略即可。
代码用C++编写，因为用到模版，所以头文件和cpp实现没有分开，强行分开坑比较多，这里不多解释。

二、要点

1.哈夫曼树压缩的原理

简单的说就是对文本进行重新编码，因为不同的字符出现频率不同，为了节约空间，我们完全可以把经常出现的设置编码比较短，很少出现的设置比较长，而不像很多编码，所有字符的长度都一样。所以这实际上需要先对文本中字符频率进行统计，然后根据统计结果生成哈夫曼树。因为哈夫曼树特有的性质，避免了前缀问题，也就说不会因为某个编码是另一个编码的前缀而又二义性，哈夫曼树的具体实现不再赘述。

2.编码方式

注意，编码时是二进制位级上的操作，具体方法参考代码，而不要存储一串01序列，这样反而会让文本更大。虽然看起来很滑稽，但很多人写这个程序时确实发生了这个错误。

3.字符长度

压缩过程中很有可能编码结果不是8的倍数，也就说为了凑够最后一个字节需要填充一些字符，而解压过程如果没有事先记录会把填充的二进制位也翻译出来，造成错误。

三、作业要求

作业题目：哈夫曼编码与译码方法
哈夫曼编码是一种以哈夫曼树（最优二叉树，带权路径长度最小的二叉树）为基础变长编码方式。其基本思想是：将使用次数多的代码转换成长度较短的编码，而使用次数少的采用较长的编码，并且保持编码的唯一可解性。在计算机信息处理中，经常应用于数据压缩。是一种一致性编码法（又称"熵编码法"），用于数据的无损耗压缩。要求实现一个完整的哈夫曼编码与译码系统。
要求：

1. 从文件中读入任意一篇英文文本文件，分别统计英文文本文件中各字符（包括标点符号和空格）的使用频率；
2. 根据已统计的字符使用频率构造哈夫曼编码树，并给出每个字符的哈夫曼编码（字符集的哈夫曼编码表）；
3. 将文本文件利用哈夫曼树进行编码，存储成压缩文件（哈夫曼编码文件）；
4. 计算哈夫曼编码文件的压缩率；
5. 将哈夫曼编码文件译码为文本文件，并与原文件进行比较。
   以下可以不做，供思考，做了可以适当加分
6. 能否利用堆结构，优化的哈夫曼编码算法。
7. 上述 1-5 的编码和译码是基于字符的压缩，考虑基于单词的压缩，完成上述工作，讨论并比较压缩效果。
8. 上述 1-5 的编码是二进制的编码，可以采用 K 叉的哈夫曼树完成上述工作，实现“K 进制”的编码和译码，并与二进制的编码和译码进行比较。

注意：后面几个要求例如用堆优化、K叉编码并没有做，仅仅实现了基础的功能。

四、代码

main.cpp

#include <iostream>
#include <vector>
#include <fstream>
#include "HuffmanTree.h"

using namespace std;

typedef struct
{
   
   
    char  ch;
    vector<char> bits;
}Code;

vector<char> *ReadCharsFromFile(string path);
vector<pair<char,int> > *CountCharsNumber(vector<char> chars);
pair<int,int> *SelectMin(vector<HuffmanTree<pair<char,int> > *> tree);
HuffmanTree<pair<char,int> > *CreateHuffmanTree(vector<pair<char,int> > chars_count);
vector<Code> *Encoding(HuffmanTree<pair<char,int> > tree);
float Compress(vector<Code> codes, string path);
void Extract(vector<Code> codes, string path);
bool BitsEqual(vector<char> first ,vector<char> second);

int main()
{
   
   
    string input_path = "input.txt";
    vector<char> *chars = ReadCharsFromFile(input_path);
    vector<pair<char,int> > *chars_count = CountCharsNumber(*chars);
    pair<char,int> *end = new pair<char,int>('\0', 0);
    chars_count->push_back(*end);
    HuffmanTree<pair<char,int> > *huffmanTree = CreateHuffmanTree(*chars_count);
    vector<Code> *codes = Encoding(*huffmanTree);
    cout<<"Compress successfully."<<endl;
    cout<<"Compression rate: "<<Compress(*codes, input_path) * 100<<'%'<<endl;
    Extract(*codes, input_path + ".huff");
    cout<<"Extract successfully."<<endl;
    cout<<"The file is '"<<input_path + ".huff.txt'."<<endl;
    return 0;
}

vector<char> *ReadCharsFromFile(string path)
{
   
   
    vector<char> *chars = new vector<char>();
    fstream input_file(path.c_str(),ios::in);
    if (input_file == NULL)
        input_file.close();
    else
    {
   
   
        char temp;
        input_file>>noskipws;
        while (!input_file.eof())
        {
   
   
            input_file>>temp;
            chars->push_back(temp);
        }
    }
    input_file.close();
    return chars;
}

vector<pair<char,int> > *CountCharsNumber(vector<char> chars)
{
   
   
    vector<pair<char,int> > *chars_count = new vector<pair<char,int> >();
    int size = chars.size();
    for (int i = 0; i < size; i++)
    {
   
   
        bool exist = false;
        int size_chars_cout = chars_count->size();
        for (int j = 0; j < size_chars_cout; j++)
        {
   
   
            if (chars[i] == (*chars_count)[j].first)
            {
   
   
                (*chars_count)[j].second++;
                exist = true;
                break;
            }
        }
        if (!exist)
        {
   
   
            std::pair<char, int> *count = new std::pair<char, int>(chars[i], 1);
            chars_count->push_back(*count);
        }
    }
    return chars_count;
}

pair<int,int> *SelectMin(vector<HuffmanTree<pair<char,int> > *> tree)
{
   
   
    int index_m = 0;
    int index_n = 0;
    int size = tree.size();
    for (int i = 0; i < size; i++)
        if (tree[i]->data.second <= tree[index_m]->data.second)
            index_m = i;
    if (index_m == 0)
        index_n = 1;
    for (int i = 0; i < size; i++)
        if (<