哈夫曼编码

数据结构—哈夫曼编码 1.哈夫曼编码的主要思想 在进行数据压缩时,为了使压缩后的数据文件尽可能短,可采用不定长编码。 其基本思想是:为出现次数较多的字符编以较短的编码。 为确保对数据文件进行有效的压缩和对压缩文件进行正确的解码,可以利用哈夫曼树来设计二进制编码。 哈夫曼树中,约定左分支标记为0,右分支标记为1,则根结点到每个叶子结点路径上的0、1序列即为相应字符的编码。 2.哈夫曼编码有关概念 前缀编码:如果... 阅读详情

给定一个字符串,进行哈夫曼编码

#include <bits/stdc++.h>

using namespace std;

typedef struct node{
    int num;
    string data;
    node(int _num, string _data){
        num = _num; data = _data;
    }
}node;

bool operator<(const node &a, const node &b){
     return a.num > b.num;
}


int main(){
    int kase = 1;
    string line;
    while(getline(cin, line)){
        int chr[30] = {0};
        string answer[30];
        priority_queue<node> que;
        int len = line.length();
        for(int i = 0; i < len; ++i){
            chr[line[i] - 'A']++;
        }
        for(int i = 0; i < 26; ++i){
            if(chr[i]){
                string p = "";
                que.push(node(chr[i], p + char('A' + i)));
            }
        }

        int n = que.size() - 1;
        if(n > 0){
            for(int i = 0; i < n; ++i){
                node a = que.top(); que.pop();
                node b = que.top(); que.pop();
                for(int j = 0; j < a.data.size(); ++j){
                    answer[a.data[j]-'A'] += '0';
                }
                for(int j = 0; j < b.data.size(); ++j){
                    answer[b.data[j]-'A'] += '1';
                }
                que.push(node(a.num + b.num, a.data + b.data));
            }
            cout << "Case #" << kase++ << ":" << endl;
            for(int i = 0; i < 26; ++i){
                if(chr[i]){
                    reverse(answer[i].begin(), answer[i].end());
                }
            }
            ///对answer字符串数组排序:相同chr的字符串按字典序排
            for(int i = 0; i < 26; ++i){
                for(int j = i; j < 26; ++j){
                    if(chr[i] == chr[j]){
                        if(answer[j] < answer[i]){
                            swap(answer[i], answer[j]);
                        }
                    }

                }
            }
            ///以上对answer字符串数组排序:相同chr的字符串按按字典序排
            for(int i = 0; i < 26; ++i){
                if(chr[i]){
                    printf("%c: %s\n", i + 'A',answer[i].c_str());
                }
            }
            int sum = 0;
            for(int i = 0; i < 26; ++i){
                sum += answer[i].size() * chr[i];
            }
            cout << sum;
            if(sum < 50){
                cout << " ";
                for(int i = 0; i < len; ++i){
                    cout << answer[line[i] - 'A'];
                }
            }
        } else if (n == 0){
            node fina = que.top();
            cout << fina.data << ":" << 0 << endl;
            cout << len;
            if(len < 50){
                cout << " ";
                for(int i = 0; i < len; ++i){
                    cout << 0;
                }
            }
        }
        cout << endl;

    }

}

开心的wrong answer 正在查,
已查出错误,字典序保证方式出错

要保证为字典序不能后期排
因为要考虑同时保证最子权与父权的构建关系
不能生成后才排序编码

而应是最简最直接思路
- 排好序后进行编码

#include <bits/stdc++.h>

using namespace std;

typedef struct node{
    int num;
    string data;
    node(int _num, string _data){
        num = _num; data = _data;
    }
    bool operator<(const node &b)const{
         ///重点唯一改动
         if (num == b.num) return data[0] > b.data[0];
         return num > b.num;
    }
}node;



int main(){
    int kase = 1;
    string line;
    while(getline(cin, line)){
        int chr[30] = {0};
        string answer[30];
        priority_queue<node> que;
        int len = line.length();
        for(int i = 0; i < len; ++i){
            chr[line[i] - 'A']++;
        }
        for(int i = 0; i < 26; ++i){
            if(chr[i]){
                string p = "";
                que.push(node(chr[i], p + char('A' + i)));
            }
        }
        int n = que.size() - 1;
        if(n > 0){
            for(int i = 0; i < n; ++i){
                node a = que.top(); que.pop();
                node b = que.top(); que.pop();
                for(int j = 0; j < a.data.size(); ++j){
                    answer[a.data[j]-'A'] += '0';
                }
                for(int j = 0; j < b.data.size(); ++j){
                    answer[b.data[j]-'A'] += '1';
                }
                que.push(node(a.num + b.num, a.data + b.data));
            }
            cout << "Case #" << kase++ << ":" << endl;
            for(int i = 0; i < 26; ++i){
                if(chr[i]){
                    reverse(answer[i].begin(), answer[i].end());
                }
            }
            ///对answer字符串数组排序:相同chr的字符串按字典序排
            for(int i = 0; i < 25; ++i){
                for(int j = 0; j < 25 - i; ++j){
                    if(chr[j] && chr[j+1])
                    if(chr[j] == chr[j+1]){
                        if(answer[j] > answer[j+1]){
                            swap(answer[j+1], answer[j]);
                        }
                    }

                }
            }
            ///以上对answer字符串数组排序:相同chr的字符串按按字典序排
            for(int i = 0; i < 26; ++i){
                if(chr[i]){
                    printf("%c: %s\n", i + 'A',answer[i].c_str());
                }
            }
            int sum = 0;
            for(int i = 0; i < 26; ++i){
                sum += answer[i].size() * chr[i];
            }
            cout << sum;
            if(sum < 50){
                cout << " ";
                for(int i = 0; i < len; ++i){
                    cout << answer[line[i] - 'A'];
                }
            }
        } else if (n == 0){
            node fina = que.top();
            cout << "Case #" << kase++ << ":" << endl;
            cout << fina.data << ": " << 0 << endl;
            cout << len;
            if(len < 50){
                cout << " ";
                for(int i = 0; i < len; ++i){
                    cout << 0;
                }
            }
        }
        cout << endl;

    }

}

这里写图片描述

勉强A的挺6,至少比用指针写起来看着舒服点^_^

哈夫曼编码(C++实现) 哈夫曼树是用来创建哈夫曼编码的。哈夫曼编码是一种可以用于数据压缩的编码方式,哈夫曼编码的构造过程需要用到哈夫曼树。 阅读详情

相关推荐

哈夫曼编码原理及实现

构建编码树的方法是将频率最低的两个符号合并为一个新节点,该节点的频率为两个节点频率之和。哈夫曼编码(Huffman Coding)是一种用于数据压缩的编码方法,它通过给出不同的数据符号分配不同长度的编码,使得出现频率高的符号具有较短的编码,而出现频率低的符号具有较长的编码,从而达到压缩数据的目的。然而,对于哈夫曼编码的最佳性能,符号的频率应该是根据数据集的统计特征进行调整的。由于频率高的符号具有较短的编码,而频率低的符号具有较长的编码,所以整个编码后的数据长度会相对减小。

qq_35803412的博客 5018

对字符串进行哈夫曼编码和解码

通过查询文件中的字符以及各个字符的权值(出现次数),对某个字符串进行哈夫曼编码和解码,比如 文件中字符和权值如下: A 10  B 15 C 12 D 21 E 25 F 50 代码则会通过生成哈夫曼二叉树计算出各个字符的编码,存在一个文件中,这时输入要编码的字符串就可以得到其哈夫曼编码 比如上述文件中字符生成的哈夫曼编码为: A    1100 B    100 C    1101 D...

lfengxp的专栏 1万+

根据字符出现的频率构造哈夫曼编码

例:要传输的字符集D={C,A,S,T,;},字符出现频率分别为w={2,4,2,3,3},写出其哈夫曼编码。 方法: 第一步:将每个字符的频率作为权值,构造哈夫曼树; 第二步:将哈夫曼树每个结点的左分支标为0,右分支标为1; 第三步:把从根到每个叶子的路径上的标号连接起来,作为该叶子代表的字符的编码。 两个问题帮助你理解哈夫曼编码 1.为什么哈夫曼编码能够保证时前缀编码? 因为没有一片树叶是另一片树叶的祖先,所以每个叶子结点的编码就不可能...

m0_57382477的博客 1万+

算法笔记——哈夫曼编码

哈夫曼编码是一种不等长编码,常用字符编码短,不常用字符编码长。 不等长编码需要解决两个关键问题: (1)编码尽可能短(最长的编码最短) (2)不能有二义性(前缀码特性:一个编码不能是另一个编码的前缀) 具体操作: 在树的分支上编码,字符都放在叶子结点,从根走向叶子的路径上的编码即为该对象的编码。(以叶子结点为编码对象解决了前缀码特性) 将字符出现的频率作为叶子的权值,刚开始为全部为单节点的树的集合,每次取出权值最小的两个树进行合并,合并后权值为两树权值之和,合并后再插入树的集合,按同样的方式进行

m0_67142204的博客 1337

哈夫曼编码习题

假设用于通信的电文仅由8个字母组成,字母在电文中出现的频率分别为 0.07,0.19,0.02,0.06,0.32,0.03,0.21,0.10 请为这8个字母设计哈夫曼编码。 表格形式: NO. data parent Lchild Rchild 0 0.07(A) 10 NULL NULL 1 0.19(B) 12 ...

mez_Blog的博客 2万+

Java如何实现哈夫曼编码

哈夫曼树 既然是学习哈夫曼编码,我们首先需要知道什么是哈夫曼树:给定n个权值作为n个叶子结点,构造一棵二叉树,若带权路径长度达到最小,称这样的二叉树为最优二叉树,也称为哈夫曼树(Huffman Tree)。哈夫曼树是带权路径长度最短的树,权值较大的结点离根较近。   哈夫曼编码 在日常计算机的使用中,我们一定会出现下面这种情况:假如给定a、b、c、d、e五个字符,它们在文本中出现的概率如下...

刘成 2514

数据结构 哈夫曼编码

给定一个字符串,用最少的01比特对该字符串进行编码,即哈夫曼编码。根据输入字符串获得每个字母按字典顺序的权值序列(每个字母的权值即该字母在字符串中出现的次数),构造哈夫曼树时每次从权值序列选取(从左到右选取)两个最小的权值,若选取的值不相等,那么较小值的结点作为以他们值加和的新结点的左孩子,另一个则为右孩子,若选取的值相等,先选取的做左孩子,后选取的做右孩子,删除已选取的值的结点,并在权值序列最后添加两个选取值加和的新结点。

moeyui的博客 433

从Mate到Mate40 Pro+:华为旗舰核心配置演进与选购避坑指南

本文回顾了华为Mate系列从初代到Mate40 Pro+的核心配置演进历程,重点分析了处理器性能、影像系统、屏幕设计及续航快充的技术突破。针对选购需求,提供了区分版本、5G选择及存储配置的实用避坑建议,帮助消费者明智选择华为旗舰机型。

weixin_30015371的博客 496

哈夫曼编码(理解)

基础理解 什么是哈夫曼树(Huffman Tree) 给定N个带权值的叶子节点,如何构造出一个带权路径最小的二叉树? 在数据结构理论中,哈夫曼树又称为最优树,相关的知识点还有哈弗曼编码等。在正式介绍哈夫曼树之前,需要知道下面的知识点: (1)节点路径 按照规定,将树中一个节点到另一个节点所经历的分支,称为节点路径,比如上图中节点A到节点E的路径为ABE。 (2)路径长度 根据上述“节点路径”的定义,将路径上的分支总数称为路径长度,比如上图中节点A到节点E的路径长度为2。...

ShyTan的博客 2万+

STM32H723ZGT6-单ADC极限采样率实战与分辨率权衡

本文通过实战测试,深入探讨了STM32H723ZGT6微控制器中单ADC模块的极限性能。文章详细展示了如何通过CubeMX配置时钟树、ADC参数、定时器触发与DMA,实测得出在16位分辨率下最高稳定采样率约为4.6MHz,而将分辨率降至8位后,采样率可提升至约6.2MHz,并分析了速度与分辨率之间的关键权衡,为高速数据采集项目提供选型与优化参考。

weixin_29240711的博客 298

UG476 GT Transceivers文档翻译和自身理解

对UG476 Xilinx官方文档进行翻译的基础上加上自己的理解

weixin_45143788的博客 4600

哈夫曼压缩编码

问题描述 求哈夫曼编码的最小编码长度。 输入格式 输入的第一行包含一个整数n,表示单词的数量。 第二行包含n个整数,用空格分隔,分别表示a1, a2, …, an出现的频率,即t1,t2, …, tn。请注意a1, a2, …, an具体是什么单词并不影响本题的解,所以没有输入a1, a2, …, an。 输出格式 输出一个整数,表示文字经过编码后的长度L的最小值。 输入样例 5 1...

blink_cao的博客 334

CST微带贴片天线设计全流程:从S11优化到辐射方向图分析

微带贴片天线是现代无线通信设备中的关键部件,其设计依赖于电磁场理论与仿真软件的结合。理解天线的基本工作原理,如谐振频率、阻抗匹配和辐射机制,是进行有效设计的基础。通过电磁仿真,工程师可以精确预测天线性能,避免传统手工计算的误差。在工程实践中,CST Studio Suite作为行业标准的三维电磁仿真工具,能够高效处理复杂的边界条件与材料属性,帮助优化S11参数和辐射方向图。本文聚焦于2.4GHz Wi-Fi频段微带贴片天线的完整设计流程,详细解析了端口设置、网格划分等关键步骤,并针对常见的仿真失败问题提供了

weixin_30784501的博客 460

哈夫曼编码的实验报告

哈夫曼编码实验报告 一、实验目的         通过哈夫曼编、译码算法的实现,巩固二叉树及哈夫曼树相关知识的理解掌握,训练学生运用所学知识,解决实际问题的能力。 二.实验内容         已知每一个字符出现的频率,构造哈夫曼树,并设计哈夫曼编码。 基本要求: (1)从终端读入字符集大小n,以及n个字符和n个权值,建立哈夫曼树; (2)打印每一个

niannianxi的博客 2万+

电磁兼容(EMC)整改案例(七):EFT测试失败都是IC悬空引脚惹的祸

无论任何时候,为了避免这些问题,通常建议对悬空的IO口进行适当的配置,比如设置为强推挽输出低电平、输入带上拉或下拉电阻等,以减少外部电路对IO管脚状态的影响,并提高系统的稳定性和可靠性.

linkking27的博客 1032

OpenClaw实战系列·进阶特辑02:多智能体协同——打造企业级AI中台

**企业级AI中台面临多Agent协同的挑战,本文提出基于多智能体协同的解决方案。通过分析单Agent的局限性(上下文溢出、专业度稀释等)和多Agent的核心优势(任务专注度、故障隔离等),提出三种协作架构模式(指挥型、联邦型、点对点型),并强调人格化设计的重要性。文章详细介绍Agent间通讯机制(同步/异步会话、文件系统协作)和"身脑分离"的解耦架构设计,提供可落地的企业级AI中台实施方案。

PeterPan的博客 495

【开卷数据结构 】哈夫曼编码

哈夫曼编码,它是现代压缩算法的基础。通过本文让你深入浅出了解哈夫曼编码。

Ceylan__的博客 1万+

AgentScope Java 2.0 项目实战: 从零构建自己的个人AI助手“小龙虾“

本文系统介绍如何基于Spring Boot WebFlux、React 18和TypeScript,从零搭建一个本地化的个人AI助手管理平台——AgentScope Paw。项目支持多Agent创建与管理、SSE流式对话、工作区文件CRUD、技能市场、子智能体孵化、AI辅助起草Agent配置等核心功能,并深度集成钉钉、企业微信、飞书、GitHub等IM通道。

program哲学 1435

哈夫曼编码原理以及实现

哈夫曼编码原理以及实现

u014276600的博客 2万+

8.5华为OD机试真题 新系统 - 最长不连续子串 (Java/Py/C/C++/Js/Go)

8.5华为OD机试真题 新系统 - 最长不连续子串 (Java/Py/C/C++/Js/Go)

算法大师! 630

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

哈夫曼编码的实现

哈夫曼编码哈夫曼树简介哈夫曼编码的实现原理哈夫曼树的存储结构 哈夫曼树简介 哈夫曼编码的实现原理 哈夫曼树的存储结构

weixin_43717520的博客 5269

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

哈夫曼编码 C语言实现【详解】

哈夫曼编码 给定一段文字,如果我们统计出字母出现的频率,是可以根据哈夫曼算法给出一套编码,使得用此编码压缩原文可以得到最短的编码总长。然而哈夫曼编码并不是唯一的。例如对字符串"aaaxuaxz",容易得到字母 ‘a’、‘x’、‘u’、‘z’ 的出现频率对应为 4、2、1、1。我们可以设计编码 {‘a’=0, ‘x’=10, ‘u’=110, ‘z’=111},也可以用另一套 {‘a’=1, ‘x’...

zjc_include的博客 1万+

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

上一篇: Python装饰器
下一篇: 有序树转二叉树求深度
ReZerou
博客等级 码龄10年 19粉丝 119原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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