采用Huffman编码进行数据压缩

文章目录

问题
实验环境
程序组成
实现思路
如何用二进制0/1表示字符 '0' / '1'
源代码下载
程序运行和结果：
总结

问题

利用哈夫曼编码将英文文献进行压缩
注：哈夫曼算法及原理见博客https://blog.csdn.net/Little_ant_/article/details/104246904在此不再赘述。

实验环境

VS2017 C++

程序组成

main.cpp 文件里调用具体的函数实现整体上的功能。
      Huffm.h 文件中实现huffman算法的编码，以及译码到指定文件的功能。
      Input.h 文件中统计文本信息，然后作为huffman算法的输入。
      Output.h 文件中将目标文件通过huffman编码进行压缩。
      hello.txt 文件为需要被压缩的文件，即目标文件。
      helloCompressed.txt 文件是被压缩之后得到的文件。
      HelloUnziped.tx 文件是解压缩之后得到的文件。

实现思路

1，先熟悉huffman算法的逻辑，并进行实现。（以前比较熟）
      2，构造huffman算法的输入，即统计文本信息，建立huffman树并完成huffman编码。
      3，通过huffman编码来将hello.txt中的字符转换为对应的编码，压缩文件为helloCompressed.txt
      4，通过译码算法来解压我们压缩过的文件，得到文件helloUnzipedtxt，并与目标文件hello.txt相对比。
      具体的编码方式：对文本中每一个出现的字符进行频度统计，进行编码。

如何用二进制0/1表示字符 ‘0’ / ‘1’

通过Huffm.h将源文件进行编码，所得到的信息有，所有的字符数量（int 型），字符种类数（int 型），huffman树（struct*）和huffman编码（char**）。假设对字符’a’所得到的huffman编码字符串为char* str=”0101” ，如何转化为二进制序列 0101？从而实现压缩文件的功能。

这里通过c语言中的位操作符，左移和右移来定位到每一个bit上，从而对bit进行赋值，或读取每一个bit。代码如下：

 unsigned char ch1 = fgetc(streamin);//读源文件内容，逐字节来读取char value = 0;int pos = 0;int resIndex;int codeLen;while (ch1 != EOF){if (feof(streamin))break;resIndex = getHuffmanCode_index(data, ch1);if (resIndex == -1)return;char* code = hc[resIndex];//每个字符的Huffman编码codeLen = strlen(code);for (int i = 0; i < codeLen; i++)//一个一个比特位来进行放{value <<= 1;//先左移一位，如果code为1就进行下面的代码，把第一位变为1，为0就不处理//循环进行，就会把哪一位为1就把那一位置为1if (code[i] == '1')//得到二进制的1{value |= 1;//把原来为0的位置变为1，即就是写进1.}if (++pos == 8)//满8位写入文件{fputc(value, streamout);//把value写进去，里面存的8个位就是HuffmanCodevalue = 0;//重置，循环写pos = 0;}}ch1 = fgetc(streamin);}

ch1为源文件中读入的字符，code为该字符对应的huffman编码。value在此起到一个缓冲区的作用，一直在不停的左移，它是用来将字符 ‘1’ 转换为二进制 1的重点。假设编码序列为”0101111”,将其转换为二进制存储的过程如下：
      初始：value 00000000
      左移一位：value 00000000
      判断序列的第一位，发现其为0，那就左移一位：value的值为00000000
      判断序列的第二位，发现其为1，那就将上一步的value与00000001进行或操作，得到value值为：00000001 然后左移一位：00000010
      判断序列的第三位，发现其为0，那就左移一位：value的值为00000100
      判断序列的第四位，发现其为1，那就将上一步的value与00000001进行或操作，得到value值为：00000101 然后左移一位：00001010
      判断序列的第五位，发现其为1，那就将上一步的value与00000001进行或操作，得到value值为：00001011 然后左移一位：00010110
      判断序列的第六位，发现其为1，那就将上一步的value与00000001进行或操作，得到value值为：00010111 然后左移一位：00101110
      判断序列的第七位，发现其为1，那就将上一步的value与00000001进行或操作，得到value值为：00101111 然后左移一位：01011110

从而我们将字符串”0101111”转换为二进制bit存储在字节value变量中，此时的value变量值为 01011110 ,前面7位是字符串，现在在等待下一字符串序列。
采用pos变量来记录左移的次数，如果左移8次，那就表示value的8个位已经存满了，就要将value输出到压缩文件helloCompressed.txt里面。清零pos，让value一直循环左移，直到将目标文件hello.txt中的字符全部读取。

解压缩过程同理。

源代码下载

https://download.csdn.net/download/Little_ant_/15452531 注：不需要积分哦

程序运行和结果：

将所有文件放在同一个执行目录下，如下：

运行程序之后结果为：

运行结果如下：

总结

压缩后文件helloCompressed.txt大小为4kB，而目标文件hello.txt的大小为7kB。并且解压之后文件helloUnziped.txt与目标文件一模一样。
压缩率为近50%。