第十周项目1-二叉树算法库

本文介绍了一种二叉树的链式存储结构及其基本运算实现,包括创建、查找、输出、销毁等操作,并通过具体实例进行验证。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

问题及代码:

/*

copyright (t) 2016,烟台大学计算机学院

*All rights reserved.

*文件名称:1.cpp

*作者:常锐

*完成日期:2016年11月3日

*版本号:v1.0

*问题描述:定义二叉树的链式存储结构,实现其基本运算,并完成测试。 
要求: 
  1、头文件btree.h中定义数据结构并声明用于完成基本运算的函数。对应基本运算的函数包括:
    void CreateBTNode(BTNode *&b,char *str);        //由str串创建二叉链
    BTNode *FindNode(BTNode *b,ElemType x);         //返回data域为x的节点指针
    BTNode *LchildNode(BTNode *p);                  //返回*p节点的左孩子节点指针
    BTNode *RchildNode(BTNode *p);                  //返回*p节点的右孩子节点指针
    int BTNodeDepth(BTNode *b);                     //求二叉树b的深度
    void DispBTNode(BTNode *b);                     //以括号表示法输出二叉树
    void DestroyBTNode(BTNode *&b);                 //销毁二叉树
  2、在btree.cpp中实现这些函数 
  3、在main函数中完成测试,包括如下内容: 
  (1)用”A(B(D,E(H(J,K(L,M(,N))))),C(F,G(,I)))”创建如图的二叉树用于测试。 
  (2)输出二叉树
  (3)查找值为’H’的节点,若找到,输出值为’H’的节点的左、右孩子的值 
  (4)求高度二叉树高度 
  (5)销毁二叉树

*输入描述:二叉树str串

*程序输出:基本运算测试结果

*/

btree.h:

#include <stdio.h>
#include <malloc.h>
#define MaxSize 100
typedef char ElemType;
typedef struct node                             //二叉链存储结构
{
    ElemType data;                              //数据元素
    struct node *lchild;                        //指向左孩子节点
    struct node *rchild;                        //指向右孩子节点
} BTNode;

void CreateBTNode(BTNode *&b,char *str);        //由str串创建二叉链
BTNode *FindNode(BTNode *b,ElemType x);         //返回data域为x的节点指针
BTNode *LchildNode(BTNode *p);                  //返回*p节点的左孩子节点指针
BTNode *RchildNode(BTNode *p);                  //返回*p节点的右孩子节点指针
int BTNodeDepth(BTNode *b);                     //求二叉树b的深度
void DispBTNode(BTNode *b);                     //以括号表示法输出二叉树
void DestroyBTNode(BTNode *&b);                 //销毁二叉树

btree.cpp:

#include "btree.h"
void CreateBTNode(BTNode *&b,char *str)        //由str串创建二叉链
{
    BTNode *St[MaxSize],*p=NULL;
    int top=-1,k,j=0;
    char ch;
    b=NULL;                                    //建立的二叉树初始时为空
    ch=str[j];
    while (ch!='\0')                           //str未扫描完时循环
    {
        switch(ch)
        {
        case '(':
            top++;
            St[top]=p;
            k=1;
            break;                             //为左节点
        case ')':
            top--;
            break;
        case ',':
            k=2;
            break;                             //为右节点
        default:
            p=(BTNode *)malloc(sizeof(BTNode));
            p->data=ch;
            p->lchild=p->rchild=NULL;
            if (b==NULL)                       //p指向二叉树的根节点
                b=p;
            else                               //已建立二叉树根节点
            {
                switch(k)
                {
                case 1:
                    St[top]->lchild=p;
                    break;
                case 2:
                    St[top]->rchild=p;
                    break;
                }
            }
        }
        j++;
        ch=str[j];
    }
}
BTNode *FindNode(BTNode *b,ElemType x)         //返回data域为x的节点指针
{
    BTNode *p;
    if (b==NULL)
        return NULL;
    else if (b->data==x)
        return b;
    else
    {
        p=FindNode(b->lchild,x);
        if (p!=NULL)
            return p;
        else
            return FindNode(b->rchild,x);
    }
}
BTNode *LchildNode(BTNode *p)                  //返回*p节点的左孩子节点指针
{
    return p->lchild;
}
BTNode *RchildNode(BTNode *p)                  //返回*p节点的右孩子节点指针
{
    return p->rchild;
}
int BTNodeDepth(BTNode *b)                     //求二叉树b的深度
{
    int lchilddep,rchilddep;
    if (b==NULL)
        return(0);                             //空树的高度为0
    else
    {
        lchilddep=BTNodeDepth(b->lchild);      //求左子树的高度为lchilddep
        rchilddep=BTNodeDepth(b->rchild);      //求右子树的高度为rchilddep
        return (lchilddep>rchilddep)? (lchilddep+1):(rchilddep+1);
    }
}
void DispBTNode(BTNode *b)                     //以括号表示法输出二叉树
{
    if (b!=NULL)
    {
        printf("%c",b->data);
        if (b->lchild!=NULL || b->rchild!=NULL)
        {
            printf("(");
            DispBTNode(b->lchild);
            if (b->rchild!=NULL) printf(",");
            DispBTNode(b->rchild);
            printf(")");
        }
    }
}
void DestroyBTNode(BTNode *&b)                 //销毁二叉树
{
    if (b!=NULL)
    {
        DestroyBTNode(b->lchild);
        DestroyBTNode(b->rchild);
        free(b);
    }
}

main.cpp:

#include <stdio.h>
#include "btree.h"
int main()
{
    BTNode *b,*p,*lp,*rp;
    char str[MaxSize];                         //创建二叉树的str串
    char x;
    while(gets(str)!=NULL)
    {
        CreateBTNode(b,str);                   //创建二叉树
        printf("二叉树创建成功:\n");
        DispBTNode(b);
        printf("\n");

        printf("请输入查找节点:\n");          //查找节点
        scanf("%c",&x);
        p=FindNode(b,x);
        if (p!=NULL)
        {
            lp=LchildNode(p);
            if (lp!=NULL)
                printf("左孩子为%c ",lp->data);
            else
                printf("无左孩子 ");
            rp=RchildNode(p);
            if (rp!=NULL)
                printf("右孩子为%c",rp->data);
            else
                printf("无右孩子 ");
        }
        else
            printf("未找到!");
        printf("\n");

        printf("二叉树b的深度为:%d\n\n",BTNodeDepth(b));     //求二叉树深度

        DestroyBTNode(b);                                     //释放二叉树
        printf("二叉树释放成功!\n");
        
        fflush(stdin);                          //清空缓冲区,避免之前读入的字符串的影响
    }
    return 0;
}

运行结果:


知识点总结:

        二叉树的链式存储结构及基本运算

心得体会:

        1. 输入样例中建好的二叉树结构如下:

        

        2. 通过建立二叉树算法库,测试基本运算,加深了对其结构及实现过程的理解。此部分内容难度较大,有必要跟着算法”走一走“,手工模拟机器单步调试过程;另外使用多组输入输入字符串时,要注意缓冲区的清理,避免之前的输入对接下来的操作产生影响。

霍夫曼编码是一种广泛使用的无损数据压缩算法,其核心思想是通过构建一棵带权路径最短的二叉树(霍夫曼树),为高频出现的字符分配较短的编码,为低频出现的字符分配较长的编码,从而实现高效压缩。在 Python 中,虽然标准库中没有直接实现霍夫曼编码的模块,但可以借助一些第三方库或自行实现相关算法。 ### 1. 使用 `bitarray` 库进行位操作 霍夫曼编码涉及大量的位操作,例如将字符编码为二进制并进行打包和解包。Python 中的 `bitarray` 库非常适合这一任务,它提供了高效的位数组操作,便于构建和处理二进制数据流。 安装方式: ```bash pip install bitarray ``` 示例代码片段: ```python from bitarray import bitarray # 示例字符编码 code_table = { 'a': bitarray('0'), 'b': bitarray('10'), 'c': bitarray('11') } # 编码过程 text = "abac" encoded = bitarray() for char in text: encoded.extend(code_table[char]) # 写入文件 with open('compressed.bin', 'wb') as f: encoded.tofile(f) ``` ### 2. 自行实现霍夫曼编码类 虽然没有现成的库直接提供霍夫曼编码功能,但可以根据算法原理自行实现。通常包括以下组件: - **节点类**:用于构建霍夫曼树 - **优先队列**:使用 `heapq` 模块实现最小堆 - **编码与解码函数** 示例代码: ```python import heapq from collections import Counter class HuffmanNode: def __init__(self, char, freq): self.char = char self.freq = freq self.left = None self.right = None def __lt__(self, other): return self.freq < other.freq def build_huffman_tree(freq_map): heap = [HuffmanNode(char, freq) for char, freq in freq_map.items()] heapq.heapify(heap) while len(heap) > 1: left = heapq.heappop(heap) right = heapq.heappop(heap) merged = HuffmanNode(None, left.freq + right.freq) merged.left = left merged.right = right heapq.heappush(heap, merged) return heap[0] ``` ### 3. 霍夫曼编码的应用场景 基于纯霍夫曼算法的压缩程序能够对未经压缩的文件格式起到压缩作用,特别是对字节种类不多、重复次数多的文件格式如 BMP 位图、AVI 视频等能够起到非常好的压缩效果,但对于本身已经经过压缩的文件格式如 DOCX、MP4 等基本无效 [^2]。 此外,在实际运行测试过程中发现,对于权值相同的字符,每次迭代排序时编码要么是 0、要么是 1,这往往造成成对的编译码错误,问题主要出在以下代码中: ```python sorts = sorted(l, key=lambda x: x.value, reverse=False) ``` 因此,在实现过程中应特别注意节点排序策略,确保编码的一致性和正确性 [^3]。 ### 4. 面向对象设计与扩展性 在实现霍夫曼编码的过程中,可以采用面向对象设计来提高代码的可扩展性与灵活性。例如,使用策略模式处理不同的编码策略,使用工厂模式创建节点对象,使用递归模式构建霍夫曼树 [^1]。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值