用python实现Huffman编码

用python实现Huffman编码，以下的代码分为两个模块，一个为功能模块newHuffman.py，一个为控制模块demo.py。

newHuffman.py，这个模块主要实现的功能包括：

①核心为实现Huffman编码，

②计算Huffman编码的平均长度

③计算编码 的编码效率。

代码如下：

#encoding:utf-8
import numpy as np
from codetools.util.cbook import Null

class HuffmanCell():
name = ""
value = 0
code = ""
left=Null
right=Null
encodingLength=0
def __init__(self,name="",value=0):
self.name = name
self.value = value
class Huffman():
result=[]
informationSource=[]#信息源列表
def __init__(self):
pass
#         self.initArr()
#
#     def initArr(self):
#         self.addname("a",0.3)
#         self.addname("b",0.2)
#         self.addname("c",0.15)
#         self.addname("d",0.15)
#         self.addname("e",0.1)
#         self.addname("f",0.1)

def addname(self,name,value):

if name and value > 0:
self.informationSource.append(HuffmanCell(name,value))
#
def getMinList(self,newInformationSource):
value=[]#存放概率值的列表
index=[]#存放按概率从小到大排列的索引号
orderInformation=[]#从小到大排序后的cell的列表
num=len(newInformationSource)
for i in range(num):
value.append(newInformationSource[i].value)
for i in range(num):
min=np.min(value)#得到概率列表中最小的概率
for j in range(-1,num):
if value[j]==min:
index.append(j)
value[j]=2#由于概率都是小于1的
break#找到第一个等于min的cell跳出循环
for i in range(num):
orderInformation.append(newInformationSource[index[i]])
return orderInformation

def encodingTree(self):
self.encodingInformation=self.getMinList(self.informationSource)
self.num=len(self.encodingInformation)
while(self.num>=2):
self.addcode(self.encodingInformation[0], "1")
self.addcode(self.encodingInformation[1], "0")
sum=self.encodingInformation[0].value+self.encodingInformation[1].value
newNodeName=self.encodingInformation[0].name+self.encodingInformation[1].name
newNode=HuffmanCell(newNodeName,sum)
newNode.left=self.encodingInformation[0]
newNode.right=self.encodingInformation[1]
newNode.code="不编码节点"
self.encodingInformation=self.encodingInformation[2:self.num]
self.encodingInformation.insert(0,newNode)
self.encodingInformation=self.getMinList(self.encodingInformation)
self.num=len(self.encodingInformation)
return self.encodingInformation

def addcode(self,node,code):
if (node.code=="不编码节点"):
self.addcode(node.left, code)
self.addcode(node.right, code)
else:
node.code=code+node.code

def rootTraverse(self,node):
if (node.left!=Null):
self.rootTraverse(node.left)
self.rootTraverse(node.right)
else:
self.result.append(node)

def printCoding(self):
info=""
list=self.encodingTree()
node=list[0]
self.rootTraverse(node)
self.encodingList=self.result
num=len(self.encodingList)
for i in range(num):
codeLength=len(self.encodingList[i].code)
self.encodingList[i].encodingLength=codeLength
info += "{%s,%f,huffmanCode:%s,length:,%d} " \
%(self.encodingList[i].name,\
self.encodingList[i].value,self.encodingList[i].code,\
self.encodingList[i].encodingLength)+"\r\n"
return info

def informationEntropy(self):
entropy=0
length=len(self.encodingList)
for i in range(length):
probility=self.encodingList[i].value
entropy=entropy+probility*np.log2(probility)
entropy=-entropy
return entropy

def averageHuffmanLength(self):
averageLength=0
length=len(self.encodingList)
for i in range(length):
probility=self.encodingList[i].value
Tlength=self.encodingList[i].encodingLength
averageLength=averageLength+probility*Tlength
return averageLength

def efficiency(self):
entropy=self.informationEntropy()
averageLength=self.averageHuffmanLength()
efficiency=entropy/averageLength
return efficiency

# a=Huffman()
# a.printCoding()
# a.informationEntropy()
# a.averageHuffmanLength()
# a.efficiency()

demo.py模块主要负责一些输入和输出，比如需要编码的符号及其相应的概率。

代码如下：

#encoding:utf-8
from newHuffman import Huffman
H=Huffman()
H.addname("第一个符号",0.3)
H.addname("第二个符号",0.2)
H.addname("第三个符号",0.15)
H.addname("第四个符号",0.15)
H.addname("第五个符号",0.1)
H.addname("第六个符号",0.1)

result=H.printCoding()
print "书上练习题4.3"
print "Huffman信源编码为:"
print result
print "此题的Huffman编码平均长度为："
print H.averageHuffmanLength()
print "此题的Huffman编码效率为："
print H.efficiency()

输出结果为：



由于每个人对Huffman编码的写法略有不同（对于同概率的处理不同），可能具体

的每个符号编码出来的结果huffmanCode会不同，但是平均长度和编码效率的值必

定是相同的。