[数据结构与算法]赫夫曼树与赫夫曼编码
2020-06-28 04:20
381 查看
赫夫曼树
-
给定n个权值作为n个叶子结点,构造一棵二叉树,若该 树的带权路径长度(wpl)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), 或赫/霍夫曼树。
-
赫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。
赫夫曼树几个重要概念和举例说明
-
路径和路径长度:在一棵树中,从一个结点往下可以达到的孩子或孙子结点之间的通路,称为路径。通路中分支的数目称为路径长度。若规定根结点的层数为1,则从根结点到第L层结点的路径长度为L-1
-
结点的权及带权路径长度:若将树中结点赋给一个有着某种含义的数值,则这个数值称为该结点的权。结点的带权路径长度为:从根结点到该结点之间的路径长度与该结点的权的乘积
-
树的带权路径长度:树的带权路径长度规定为所有叶子结点的带权路径长度之和,记为WPL(weighted path length) ,权值越大的结点离根结点越近的二叉树才是最优二叉树。
-
WPL最小的就是赫夫曼树(如下图可以看到,中间就是赫夫曼树)
给你一个数列 {13, 7, 8, 3, 29, 6, 1},要求转成一颗赫夫曼树.
思路分析(示意图):
代码实现
/** * 赫夫曼树 * * @author TimePause * @create 2020-02-16 22:15 */ public class HuffmanTreeDemo { public static void main(String[] args) { int[] arr = {13, 7, 8, 3, 29, 6, 1}; Node root = createHuffmanTree(arr); preOrder(root); } /** * 主类中编写前序遍历的调用方法 * @param root 根节点 */ public static void preOrder(Node root){ if (root!=null){ root.preOrder(); }else { System.out.println("是空树,无法进行前序遍历"); } } /** * 创建赫夫曼树的方法 * @param arr * @return */ public static Node createHuffmanTree(int[] arr){ //第一步: 为了操作方便 //1.遍历arr数组 //2.将arr的每一个元素构成Node //3.将Node放入ArrayList中 List<Node> nodes = new ArrayList<Node>(); for (int value : arr) { nodes.add(new Node(value)); } while (nodes.size()>1){ //排序.从小到大 Collections.sort(nodes); System.out.println("nodes = " + nodes); //取出节点权值最小的两个二叉树 //(1)取出权值最小的二叉树 //(2)取出权值第二小的二叉树 Node leftNode = nodes.get(0); Node rightNode = nodes.get(1); //(3)构建一颗新的二叉树 Node parent = new Node(leftNode.value + rightNode.value); parent.left = leftNode; parent.right = rightNode; //(4)从ArrayList中删除处理过的二叉树 nodes.remove(leftNode); nodes.remove(rightNode); //(5)将parent加入到nodes nodes.add(parent); } //返回赫夫曼树的root节点, 目的是方便我们进行前序遍历 return nodes.get(0); } } /** * 创建节点类 * 为了让Node对象支持Collections结合排序, 需要让让Node实现Compare接口 */ class Node implements Comparable<Node>{ // 省略访问修饰符friendly ,缺省的,在同一个包中的类可以访问,其他包中的类不能访问; int value;//节点的权值 Node left;//指向左节点 Node right;//指向右节点 public void preOrder(){ //父->左->右 System.out.println(this); if (this.left!=null){ this.left.preOrder(); } if (this.right!=null){ this.right.preOrder();//遍历有问题,结果可能出错,例如这里调用this.left.preOrder(),结果只出现67,29,29 } } /** * 重载构造方法,实例化时只需传入权值即可 * @param value */ public Node(int value) { this.value = value; } //*** 如果toString()书写有误,name在打印时可能为空 @Override public String toString() { return "Node [value=" + value + "]"; } @Override public int compareTo(Node o) { return this.value-o.value;//这样写表示正序排序 } }
赫夫曼编码
赫夫曼编码也翻译为 哈夫曼编码(Huffman Coding),又称霍夫曼编码,是一种编码方式, 属于一种程序算法
赫夫曼编码是赫哈夫曼树在电讯通信中的经典的应用之一。
- 赫夫曼编码广泛地用于数据文件压缩。其压缩率通常在20%~90%之间
- 赫夫曼码是可变字长编码(VLC)的一种。Huffman于1952年提出一种编码方法,称之为最佳编码
通信领域中信息的处理方式3-赫夫曼编码
i like like like java do you like a java // 共40个字符(包括空格) d:1 y:1 u:1 j:2 v:2 o:2 l:4 k:4 e:4 i:5 a:5 :9 // 各个字符对应的个数
按照上面字符出现的次数构建一颗赫夫曼树, 次数作为权值.(图后)
实现思路图
实现代码
/** * 赫夫曼编码 * * @author TimePause * @create 2020-02-18 15:25 */ public class HuffmanCodeDemo { public static void main(String[] args) { String strs = "i like like like java do you like a java"; byte[] bytes = strs.getBytes(); System.out.println(bytes.length); //按照赫夫曼编码存放数据 List<Node> nodes = getNodes(bytes); System.out.println("nodes = " + nodes); //测试一把创建的二叉树 Node huffmanTreeNode = createHuffmanTree(nodes); System.out.println("执行前序遍历"); huffmanTreeNode.preOrder(); } /** * 接收字节数组 * @param bytes 字节数组(单个字节形参的数组a,b,c...) * @return 返回的值就是List形式 [Node[date='7',weight=5],Node[date='32',weight=9] ......] */ public static List<Node> getNodes(byte[] bytes){ // 创建一个arrayList数组 ArrayList<Node> nodeArrayList = new ArrayList<>(); // 遍历bytes,统计每一个byte出现的次数->map[key,value]=>mao(字符,以及字符出现的个数) HashMap<Byte, Integer> counts = new HashMap<>(); for (byte b:bytes){ //在我们的map集合中查看数据是否存在 Integer count = counts.get(b); if (count == null) { //如果不存在则添加 counts.put(b, 1); }else { //如果存在则将原来数值加1 counts.put(b, count + 1); } } // 将每一个键值转成一个node对象 ,并加入到nodes集合 //遍历>map[key,value]=>mao(字符,以及字符出现的个数 for (Map.Entry<Byte,Integer> entry: counts.entrySet()){ nodeArrayList.add(new Node(entry.getKey(), entry.getValue())); } return nodeArrayList; } /** * 前序遍历 * @param root 赫夫曼树的根节点 */ private void preOder(Node root){ if (root!=null){ root.preOrder(); }else { System.out.println("为空,无法执行前序遍历"); } } /** * 根据lIst集合创建赫夫曼树 * @param nodes Node类型的List数组 * @return Node节点 */ private static Node createHuffmanTree(List<Node>nodes){ while (nodes.size() > 1) { //正序排序 Collections.sort(nodes); // 取出最小的两个二叉树 Node leftNode = nodes.get(0); Node rightNode = nodes.get(1); // 创建一个新的二叉树,它的根节点没有data,只有权重 Node parent = new Node(null, leftNode.weight + rightNode.weight); parent.left = leftNode; parent.right = rightNode; // 在集合中删除使用过的节点 nodes.remove(leftNode); nodes.remove(rightNode); // 将这个新的二叉树, 加入到nodes nodes.add(parent); } // 返回赫夫曼树的根节点 return nodes.get(0); } } /** * 节点类 */ class Node implements Comparable<Node>{ Byte data;//存放的数据本身,比如'a'=>97 ' '=>32 int weight;//权重,字符出现的次数 Node left; Node right; public Node(Byte data, int weight) { this.data = data; this.weight = weight; } @Override public int compareTo(Node o) { return this.weight-o.weight;//正序排序 } @Override public String toString() { return "Node{" + "data=" + data + ", weight=" + weight + '}'; } // 前序遍历方法 public void preOrder(){ //输出当父节点 System.out.println(this); //左子树递归调用前序遍历 if (this.left!=null){ this.left.preOrder(); } if (this.right!=null){ //右子树递归调用前序遍历 this.right.preOrder(); } } }
演示结果
数据压缩和解压
生成赫夫曼编码
//生成赫夫曼树对应的赫夫曼编码 //思路: //1. 将赫夫曼编码表存放在 Map<Byte,String> 形式 // 生成的赫夫曼编码表{32=01, 97=100, 100=11000, 117=11001, 101=1110, 118=11011, 105=101, 121=11010, 106=0010, 107=1111, 108=000, 111=0011} static Map<Byte, String> huffmanCodes = new HashMap<Byte,String>(); //2. 在生成赫夫曼编码表示,需要去拼接路径, 定义一个StringBuilder 存储某个叶子结点的路径 static StringBuilder stringBuilder = new StringBuilder(); //为了调用方便,我们重载 getCodes private static Map<Byte, String> getCodes(Node root) { if(root == null) { return null; } //处理root的左子树 getCodes(root.left, "0", stringBuilder); //处理root的右子树 getCodes(root.right, "1", stringBuilder); return huffmanCodes; } /** * 功能:将传入的node结点的所有叶子结点的赫夫曼编码得到,并放入到huffmanCodes集合 * @param node 传入结点 * @param code 路径: 左子结点是 0, 右子结点 1 * @param stringBuilder 用于拼接路径 */ private static void getCodes(Node node, String code, StringBuilder stringBuilder) { StringBuilder stringBuilder2 = new StringBuilder(stringBuilder); //将code 加入到 stringBuilder2 stringBuilder2.append(code); if(node != null) { //如果node == null不处理 //判断当前node 是叶子结点还是非叶子结点 if(node.data == null) { //非叶子结点 //递归处理 //向左递归 getCodes(node.left, "0", stringBuilder2); //向右递归 getCodes(node.right, "1", stringBuilder2); } else { //说明是一个叶子结点 //就表示找到某个叶子结点的最后 huffmanCodes.put(node.data, stringBuilder2.toString()); } } } /** * 接收字节数组 * @param bytes 字节数组(单个字节形参的数组a,b,c...) * @return 返回的值就是List形式 [Node[date='7',weight=5],Node[date='32',weight=9] ......] */ public static List<Node> getNodes(byte[] bytes){ // 创建一个arrayList数组 ArrayList<Node> nodeArrayList = new ArrayList<>(); // 遍历bytes,统计每一个byte出现的次数->map[key,value]=>mao(字符,以及字符出现的个数) HashMap<Byte, Integer> counts = new HashMap<>(); for (byte b:bytes){ //在我们的map集合中查看数据是否存在 Integer count = counts.get(b); if (count == null) { //如果不存在则添加 counts.put(b, 1); }else { //如果存在则将原来数值加1 counts.put(b, count + 1); } } // 将每一个键值转成一个node对象 ,并加入到nodes集合 //遍历>map[key,value]=>mao(字符,以及字符出现的个数 for (Map.Entry<Byte,Integer> entry: counts.entrySet()){ nodeArrayList.add(new Node(entry.getKey(), entry.getValue())); } return nodeArrayList; }
生成赫夫曼字节数组
/** * 生成赫夫曼字节数组 * 编写一个方法,将字符串对应的byte[] 数组,通过生成的赫夫曼编码表,返回一个赫夫曼编码 压缩后的byte[] * * @param bytes 这时原始的字符串对应的 byte[] * @param huffmanCodes 生成的赫夫曼编码map * @return 返回赫夫曼编码处理后的 byte[] * 举例: String content = "i like like like java do you like a java"; =》 byte[] contentBytes = content.getBytes(); * 返回的是 字符串 "1010100010111111110010001011111111001000101111111100100101001101110001110000011011101000111100101000101111111100110001001010011011100" * => 对应的 byte[] huffmanCodeBytes ,即 8位对应一个 byte,放入到 huffmanCodeBytes * huffmanCodeBytes[0] = 10101000(补码) => byte [推导 10101000=> 10101000 - 1 => 10100111(反码)=> 11011000= -88 ] * huffmanCodeBytes[1] = -88 */ private static byte[] zip(byte[] bytes, Map<Byte, String> huffmanCodes) { //1.利用 huffmanCodes 将 bytes 转成 赫夫曼编码对应的字符串 StringBuilder stringBuilder = new StringBuilder(); //遍历bytes 数组 for(byte b: bytes) { stringBuilder.append(huffmanCodes.get(b)); } //System.out.println("测试 stringBuilder~~~=" + stringBuilder.toString()); //将 "1010100010111111110..." 转成 byte[] //统计返回 byte[] huffmanCodeBytes 长度 //一句话 int len = (stringBuilder.length() + 7) / 8; int len; if(stringBuilder.length() % 8 == 0) { len = stringBuilder.length() / 8; } else { len = stringBuilder.length() / 8 + 1; } //创建 存储压缩后的 byte数组 byte[] huffmanCodeBytes = new byte[len]; int index = 0;//记录是第几个byte for (int i = 0; i < stringBuilder.length(); i += 8) { //因为是每8位对应一个byte,所以步长 +8 String strByte; if(i+8 > stringBuilder.length()) {//不够8位 strByte = stringBuilder.substring(i); }else{ strByte = stringBuilder.substring(i, i + 8); } //将strByte 转成一个byte,放入到 huffmanCodeBytes huffmanCodeBytes[index] = (byte)Integer.parseInt(strByte, 2); index++; } return huffmanCodeBytes; }
测试生成的赫夫曼编码表与字节数组
封装赫夫曼数组
*使用一个方法,将前面的方法封装起来,便于我们的调用. * * @param bytes 原始的字符串对应的字节数组 * @return 是经过 赫夫曼编码处理后的字节数组(压缩后的数组) */ private static byte[] huffmanZip(byte[] bytes) { List<Node> nodes = getNodes(bytes); //根据 nodes 创建的赫夫曼树 Node huffmanTreeRoot = createHuffmanTree(nodes); //对应的赫夫曼编码(根据 赫夫曼树) Map<Byte, String> huffmanCodes = getCodes(huffmanTreeRoot); //根据生成的赫夫曼编码,压缩得到压缩后的赫夫曼编码字节数组 byte[] huffmanCodeBytes = zip(bytes, huffmanCodes); return huffmanCodeBytes; }
字节转二进制字符串
/** * 将一个byte 转成一个二进制的字符串, 如果看不懂,可以参考我讲的Java基础 二进制的原码,反码,补码 * @param b 传入的 byte * @param flag 标志是否需要补高位如果是true ,表示需要补高位,如果是false表示不补, 如果是最后一个字节,无需补高位 * @return 是该b 对应的二进制的字符串,(注意是按补码返回) */ private static String byteToBitString(boolean flag, byte b) { //使用变量保存 b int temp = b; //将 b 转成 int //如果是正数我们还存在补高位 if(flag) { temp |= 256; //按位与 256 1 0000 0000 | 0000 0001 => 1 0000 0001 } String str = Integer.toBinaryString(temp); //返回的是temp对应的二进制的补码 if(flag) { return str.substring(str.length() - 8); } else { return str; } }
压缩数据的解码
//完成数据的解码 //思路 //1. 将huffmanCodeBytes [-88, -65, -56, -65, -56, -65, -55, 77, -57, 6, -24, -14, -117, -4, -60, -90, 28] // 重写先转成 赫夫曼编码对应的二进制的字符串 "1010100010111..." //2. 赫夫曼编码对应的二进制的字符串 "1010100010111..." =》 对照 赫夫曼编码 =》 "i like like like java do you like a java" /** *编写一个方法,完成对压缩数据的解码 * * @param huffmanCodes 赫夫曼编码表 map * @param huffmanBytes 赫夫曼编码得到的字节数组 * @return 就是原来的字符串对应的数组 */ private static byte[] decode(Map<Byte,String> huffmanCodes, byte[] huffmanBytes) { //1. 先得到 huffmanBytes 对应的 二进制的字符串 , 形式 1010100010111... StringBuilder stringBuilder = new StringBuilder(); //将byte数组转成二进制的字符串 for(int i = 0; i < huffmanBytes.length; i++) { byte b = huffmanBytes[i]; //判断是不是最后一个字节 boolean flag = (i == huffmanBytes.length - 1); stringBuilder.append(byteToBitString(!flag, b)); } //把字符串安装指定的赫夫曼编码进行解码 //把赫夫曼编码表进行调换,因为反向查询 a-&g 4000 t;100 100->a Map<String, Byte> map = new HashMap<String,Byte>(); for(Map.Entry<Byte, String> entry: huffmanCodes.entrySet()) { map.put(entry.getValue(), entry.getKey()); }
压缩文件
/** * 将文件进行压缩的方法 * @param srcFile 希望被压缩的文件的路径 * @param targetFile 压缩后的文件的路径 */ public static void zipFile(String srcFile,String targetFile){ //创建输出流 OutputStream os = null; // 用对象流包装 ObjectOutputStream oos = null; // 创建文件输入流 FileInputStream fis = null; try { // 创建输出流 fis = new FileInputStream(srcFile); // 创建一个和源文件一样大小的byte[] byte[] b = new byte[fis.available()];//available()可以返回有多少流可以读取 // 读取文件 fis.read(b); // 将文件进行压缩 byte[] huffmanBytes = huffmanZip(b); // 写压缩后的文件写入目标文件 os = new FileOutputStream(targetFile); oos = new ObjectOutputStream(os); // 把赫夫曼编码后的字节数组写入压缩文件 oos.writeObject(huffmanBytes); // 把赫夫曼编码写到压缩文件, 目的是以后我们恢复文件时使用 oos.writeObject(huffmanCodes); }catch (Exception e){ e.printStackTrace(); }finally { if (oos!=null){ try { oos.close(); } catch (IOException e) { e.printStackTrace(); } } if (os!=null){ try { os.close(); } catch (IOException e) { e.printStackTrace(); } } if (fis!=null){ try { fis.close(); } catch (IOException e) { e.printStackTrace(); } } } } /** *使用一个方法,将前面的方法封装起来,便于我们的调用. * * @param bytes 原始的字符串对应的字节数组 * @return 是经过 赫夫曼编码处理后的字节数组(压缩后的数组) */ private static byte[] huffmanZip(byte[] bytes) { List<Node> nodes = getNodes(bytes); //根据 nodes 创建的赫夫曼树 Node huffmanTreeRoot = createHuffmanTree(nodes); //对应的赫夫曼编码(根据 赫夫曼树) Map<Byte, String> huffmanCodes = getCodes(huffmanTreeRoot); //根据生成的赫夫曼编码,压缩得到压缩后的赫夫曼编码字节数组 byte[] huffmanCodeBytes = zip(bytes, huffmanCodes); return huffmanCodeBytes; }
测试压缩结果
//测试压缩文件 String srcFlie = "d://a.png"; String tagetFIle = "d://a.zip"; zipFile(srcFlie,tagetFIle); System.out.println("压缩文件完成");
解压文件
/** * 完成对压缩文件的解压 * @param zipFile 准备解压的文件 * @param targetFile 将文件解压到哪个路径 */ public static void unZipFile(String zipFile,String targetFile){ FileInputStream fis = null; ObjectInputStream ois = null; OutputStream os = null; try { //创建文件出入流,读取文件 fis = new FileInputStream(zipFile); //关联fis,以对象的形式读取文件 ois = new ObjectInputStream(fis); //读取数组 huffmanBytes byte[] huffmanBytes = (byte[]) ois.readObject(); //读取赫夫曼编码表 Map<Byte, String> huffmanCodes = (Map<Byte, String>) ois.readObject(); //解码 byte[] bytes = decode(huffmanCodes, huffmanBytes); //将bytes数组写入到目标文件 os = new FileOutputStream(targetFile); //写到目标文件 os.write(bytes); }catch (Exception e){ e.printStackTrace(); }finally { if (os!=null){ try { os.close(); } catch (IOException e) { e.printStackTrace(); } } if (ois!=null){ try { os.close(); } catch (IOException e) { e.printStackTrace(); } } if (fis!=null){ try { os.close(); } catch (IOException e) { e.printStackTrace(); } } } }
测试结果
//测试解压文件 String zipFile = "d://a.zip"; String targetFile = "d://a1.png"; unZipFile(zipFile,targetFile); System.out.println("解压文件完成");
赫夫曼编码压缩文件注意事项
- 如果文件本身就是经过压缩处理的,那么使用赫夫曼编码再压缩效率不会有明显变化, 比如视频,ppt 等等文件
- 赫夫曼编码是按字节来处理的,因此可以处理所有的文件(二进制文件、文本文件) [举例压一个.xml文件]
- 如果一个文件中的内容,重复的数据不多,压缩效果也不会很明显.
全部代码整理
import java.io.FileInputStream; import java.io.FileOutputStream; import java.io.InputStream; import java.io.ObjectInputStream; import java.io.ObjectOutputStream; import java.io.OutputStream; import java.util.ArrayList; import java.util.Arrays; import java.util.Collections; import java.util.HashMap; import java.util.List; import java.util.Map; public class HuffmanCode { public static void main(String[] args) { //测试压缩文件 // String srcFile ="d://a.png"; // String dstFile = "d://a.zip"; // // zipFile(srcFile, dstFile); // System.out.println("压缩文件ok~~"); //测试解压文件 String zipFile = "d://a.zip"; String dstFile = "d://a1.png"; unZipFile(zipFile, dstFile); System.out.println("解压成功!"); /* String content = "i like like like java do you like a java"; byte[] contentBytes = content.getBytes(); System.out.println(contentBytes.length); //40 byte[] huffmanCodesBytes= huffmanZip(contentBytes); System.out.println("压缩后的结果是:" + Arrays.toString(huffmanCodesBytes) + " 长度= " + huffmanCodesBytes.length); //测试一把byteToBitString方法 //System.out.println(byteToBitString((byte)1)); byte[] sourceBytes = decode(huffmanCodes, huffmanCodesBytes); System.out.println("原来的字符串=" + new String(sourceBytes)); // "i like like like java do you like a java" */ //如何将 数据进行解压(解码) //分步过程 /* List<Node> nodes = getNodes(contentBytes); System.out.println("nodes=" + nodes); //测试一把,创建的赫夫曼树 System.out.println("赫夫曼树"); Node huffmanTreeRoot = createHuffmanTree(nodes); System.out.println("前序遍历"); huffmanTreeRoot.preOrder(); //测试一把是否生成了对应的赫夫曼编码 Map<Byte, String> huffmanCodes = getCodes(huffmanTreeRoot); System.out.println("~生成的赫夫曼编码表= " + huffmanCodes); //测试 byte[] huffmanCodeBytes = zip(contentBytes, huffmanCodes); System.out.println("huffmanCodeBytes=" + Arrays.toString(huffmanCodeBytes));//17 //发送huffmanCodeBytes 数组 */ } //编写一个方法,完成对压缩文件的解压 /** * * @param zipFile 准备解压的文件 * @param dstFile 将文件解压到哪个路径 */ public static void unZipFile(String zipFile, String dstFile) { //定义文件输入流 InputStream is = null; //定义一个对象输入流 ObjectInputStream ois = null; //定义文件的输出流 OutputStream os = null; try { //创建文件输入流 is = new FileInputStream(zipFile); //创建一个和 is关联的对象输入流 ois = new ObjectInputStream(is); //读取byte数组 huffmanBytes byte[] huffmanBytes = (byte[])ois.readObject(); //读取赫夫曼编码表 Map<Byte,String> huffmanCodes = (Map<Byte,String>)ois.readObject(); //解码 byte[] bytes = decode(huffmanCodes, huffmanBytes); //将bytes 数组写入到目标文件 os = new FileOutputStream(dstFile); //写数据到 dstFile 文件 os.write(bytes); } catch (Exception e) { // TODO: handle exception System.out.println(e.getMessage()); } finally { try { os.close(); ois.close(); is.close(); } catch (Exception e2) { // TODO: handle exception System.out.println(e2.getMessage()); } } } //编写方法,将一个文件进行压缩 /** * * @param srcFile 你传入的希望压缩的文件的全路径 * @param dstFile 我们压缩后将压缩文件放到哪个目录 */ public static void zipFile(String srcFile, String dstFile) { //创建输出流 OutputStream os = null; ObjectOutputStream oos = null; //创建文件的输入流 FileInputStream is = null; try { //创建文件的输入流 is = new FileInputStream(srcFile); //创建一个和源文件大小一样的byte[] byte[] b = new byte[is.available()]; //读取文件 is.read(b); //直接对源文件压缩 byte[] huffmanBytes = huffmanZip(b); //创建文件的输出流, 存放压缩文件 os = new FileOutputStream(dstFile); //创建一个和文件输出流关联的ObjectOutputStream oos = new ObjectOutputStream(os); //把 赫夫曼编码后的字节数组写入压缩文件 oos.writeObject(huffmanBytes); //我们是把 //这里我们以对象流的方式写入 赫夫曼编码,是为了以后我们恢复源文件时使用 //注意一定要把赫夫曼编码 写入压缩文件 oos.writeObject(huffmanCodes); }catch (Exception e) { // TODO: handle exception System.out.println(e.getMessage()); }finally { try { is.close(); oos.close(); os.close(); }catch (Exception e) { // TODO: handle exception System.out.println(e.getMessage()); } } } //完成数据的解压 //思路 //1. 将huffmanCodeBytes [-88, -65, -56, -65, -56, -65, -55, 77, -57, 6, -24, -14, -117, -4, -60, -90, 28] // 重写先转成 赫夫曼编码对应的二进制的字符串 "1010100010111..." //2. 赫夫曼编码对应的二进制的字符串 "1010100010111..." =》 对照 赫夫曼编码 =》 "i like like like java do you like a java" //编写一个方法,完成对压缩数据的解码 /** * * @param huffmanCodes 赫夫曼编码表 map * @param huffmanBytes 赫夫曼编码得到的字节数组 * @return 就是原来的字符串对应的数组 */ private static byte[] decode(Map<Byte,String> huffmanCodes, byte[] huffmanBytes) { //1. 先得到 huffmanBytes 对应的 二进制的字符串 , 形式 1010100010111... StringBuilder stringBuilder = new StringBuilder(); //将byte数组转成二进制的字符串 for(int i = 0; i < huffmanBytes.length; i++) { byte b = huffmanBytes[i]; //判断是不是最后一个字节 boolean flag = (i == huffmanBytes.length - 1); stringBuilder.append(byteToBitString(!flag, b)); } //把字符串安装指定的赫夫曼编码进行解码 //把赫夫曼编码表进行调换,因为反向查询 a->100 100->a Map<String, Byte> map = new HashMap<String,Byte>(); for(Map.Entry<Byte, String> entry: huffmanCodes.entrySet()) { map.put(entry.getValue(), entry.getKey()); } //创建要给集合,存放byte List<Byte> list = new ArrayList<>(); //i 可以理解成就是索引,扫描 stringBuilder for(int i = 0; i < stringBuilder.length(); ) { int count = 1; // 小的计数器 boolean flag = true; Byte b = null; while(flag) { //1010100010111... //递增的取出 key 1 String key = stringBuilder.substring(i, i+count);//i 不动,让count移动,指定匹配到一个字符 b = map.get(key); if(b == null) {//说明没有匹配到 count++; }else { //匹配到 flag = false; } } list.add(b); i += count;//i 直接移动到 count } //当for循环结束后,我们list中就存放了所有的字符 "i like like like java do you like a java" //把list 中的数据放入到byte[] 并返回 byte b[] = new byte[list.size()]; for(int i = 0;i < b.length; i++) { b[i] = list.get(i); } return b; } /** * 将一个byte 转成一个二进制的字符串, 如果看不懂,可以参考我讲的Java基础 二进制的原码,反码,补码 * @param b 传入的 byte * @param flag 标志是否需要补高位如果是true ,表示需要补高位,如果是false表示不补, 如果是最后一个字节,无需补高位 * @return 是该b 对应的二进制的字符串,(注意是按补码返回) */ private static String byteToBitString(boolean flag, byte b) { //使用变量保存 b int temp = b; //将 b 转成 int //如果是正数我们还存在补高位 if(flag) { temp |= 256; //按位与 256 1 0000 0000 | 0000 0001 => 1 0000 0001 } String str = Integer.toBinaryString(temp); //返回的是temp对应的二进制的补码 if(flag) { return str.substring(str.length() - 8); } else { return str; } } //使用一个方法,将前面的方法封装起来,便于我们的调用. /** * * @param bytes 原始的字符串对应的字节数组 * @return 是经过 赫夫曼编码处理后的字节数组(压缩后的数组) */ private static byte[] huffmanZip(byte[] bytes) { List<Node> nodes = getNodes(bytes); //根据 nodes 创建的赫夫曼树 Node huffmanTreeRoot = createHuffmanTree(nodes); //对应的赫夫曼编码(根据 赫夫曼树) Map<Byte, String> huffmanCodes = getCodes(huffmanTreeRoot); //根据生成的赫夫曼编码,压缩得到压缩后的赫夫曼编码字节数组 byte[] huffmanCodeBytes = zip(bytes, huffmanCodes); return huffmanCodeBytes; } //编写一个方法,将字符串对应的byte[] 数组,通过生成的赫夫曼编码表,返回一个赫夫曼编码 压缩后的byte[] /** * * @param bytes 这时原始的字符串对应的 byte[] * @param huffmanCodes 生成的赫夫曼编码map * @return 返回赫夫曼编码处理后的 byte[] * 举例: String content = "i like like like java do you like a java"; =》 byte[] contentBytes = content.getBytes(); * 返回的是 字符串 "1010100010111111110010001011111111001000101111111100100101001101110001110000011011101000111100101000101111111100110001001010011011100" * => 对应的 byte[] huffmanCodeBytes ,即 8位对应一个 byte,放入到 huffmanCodeBytes * huffmanCodeBytes[0] = 10101000(补码) => byte [推导 10101000=> 10101000 - 1 => 10100111(反码)=> 11011000= -88 ] * huffmanCodeBytes[1] = -88 */ private static byte[] zip(byte[] bytes, Map<Byte, String> huffmanCodes) { //1.利用 huffmanCodes 将 bytes 转成 赫夫曼编码对应的字符串 StringBuilder stringBuilder = new StringBuilder(); //遍历bytes 数组 for(byte b: bytes) { stringBuilder.append(huffmanCodes.get(b)); } //System.out.println("测试 stringBuilder~~~=" + stringBuilder.toString()); //将 "1010100010111111110..." 转成 byte[] //统计返回 byte[] huffmanCodeBytes 长度 //一句话 int len = (stringBuilder.length() + 7) / 8; int len; if(stringBuilder.length() % 8 == 0) { len = stringBuilder.length() / 8; } else { len = stringBuilder.length() / 8 + 1; } //创建 存储压缩后的 byte数组 byte[] huffmanCodeBytes = new byte[len]; int index = 0;//记录是第几个byte for (int i = 0; i < stringBuilder.length(); i += 8) { //因为是每8位对应一个byte,所以步长 +8 String strByte; if(i+8 > stringBuilder.length()) {//不够8位 strByte = stringBuilder.substring(i); }else{ strByte = stringBuilder.substring(i, i + 8); } //将strByte 转成一个byte,放入到 huffmanCodeBytes huffmanCodeBytes[index] = (byte)Integer.parseInt(strByte, 2); index++; } return huffmanCodeBytes; } //生成赫夫曼树对应的赫夫曼编码 //思路: //1. 将赫夫曼编码表存放在 Map<Byte,String> 形式 // 生成的赫夫曼编码表{32=01, 97=100, 100=11000, 117=11001, 101=1110, 118=11011, 105=101, 121=11010, 106=0010, 107=1111, 108=000, 111=0011} static Map<Byte, String> huffmanCodes = new HashMap<Byte,String>(); //2. 在生成赫夫曼编码表示,需要去拼接路径, 定义一个StringBuilder 存储某个叶子结点的路径 static StringBuilder stringBuilder = new StringBuilder(); //为了调用方便,我们重载 getCodes private static Map<Byte, String> getCodes(Node root) { if(root == null) { return null; } //处理root的左子树 getCodes(root.left, "0", stringBuilder); //处理root的右子树 getCodes(root.right, "1", stringBuilder); return huffmanCodes; } /** * 功能:将传入的node结点的所有叶子结点的赫夫曼编码得到,并放入到huffmanCodes集合 * @param node 传入结点 * @param code 路径: 左子结点是 0, 右子结点 1 * @param stringBuilder 用于拼接路径 */ private static void getCodes(Node node, String code, StringBuilder stringBuilder) { StringBuilder stringBuilder2 = new StringBuilder(stringBuilder); //将code 加入到 stringBuilder2 stringBuilder2.append(code); if(node != null) { //如果node == null不处理 //判断当前node 是叶子结点还是非叶子结点 if(node.data == null) { //非叶子结点 //递归处理 //向左递归 getCodes(node.left, "0", stringBuilder2); //向右递归 getCodes(node.right, "1", stringBuilder2); } else { //说明是一个叶子结点 //就表示找到某个叶子结点的最后 huffmanCodes.put(node.data, stringBuilder2.toString()); } } } //前序遍历的方法 private static void preOrder(Node root) { if(root != null) { root.preOrder(); }else { System.out.println("赫夫曼树为空"); } } /** * * @param bytes 接收字节数组 * @return 返回的就是 List 形式 [Node[date=97 ,weight = 5], Node[]date=32,weight = 9]......], */ private static List<Node> getNodes(byte[] bytes) { //1创建一个ArrayList ArrayList<Node> nodes = new ArrayList<Node>(); //遍历 bytes , 统计 每一个byte出现的次数->map[key,value] Map<Byte, Integer> counts = new HashMap<>(); for (byte b : bytes) { Integer count = counts.get(b); if (count == null) { // Map还没有这个字符数据,第一次 counts.put(b, 1); } else { counts.put(b, count + 1); } } //把每一个键值对转成一个Node 对象,并加入到nodes集合 //遍历map for(Map.Entry<Byte, Integer> entry: counts.entrySet()) { nodes.add(new Node(entry.getKey(), entry.getValue())); } return nodes; } //可以通过List 创建对应的赫夫曼树 private static Node createHuffmanTree(List<Node> nodes) { while(nodes.size() > 1) { //排序, 从小到大 Collections.sort(nodes); //取出第一颗最小的二叉树 Node leftNode = nodes.get(0); //取出第二颗最小的二叉树 Node rightNode = nodes.get(1); //创建一颗新的二叉树,它的根节点 没有data, 只有权值 Node parent = new Node(null, leftNode.weight + rightNode.weight); parent.left = leftNode; parent.right = rightNode; //将已经处理的两颗二叉树从nodes删除 nodes.remove(leftNode); nodes.remove(rightNode); //将新的二叉树,加入到nodes nodes.add(parent); } //nodes 最后的结点,就是赫夫曼树的根结点 return nodes.get(0); } } //创建Node ,待数据和权值 class Node implements Comparable<Node> { Byte data; // 存放数据(字符)本身,比如'a' => 97 ' ' => 32 int weight; //权值, 表示字符出现的次数 Node left;// Node right; public Node(Byte data, int weight) { this.data = data; this.weight = weight; } @Override public int compareTo(Node o) { // 从小到大排序 return this.weight - o.weight; } public String toString() { return "Node [data = " + data + " weight=" + weight + "]"; } //前序遍历 public void preOrder() { System.out.println(this); if(this.left != null) { this.left.preOrder(); } if(this.right != null) { this.right.preOrder(); } } }
相关文章推荐
- 数据结构与算法-赫夫曼树(赫夫曼树 赫夫曼编码)
- 数据结构与算法笔记 lesson 22 树与二叉树的转换与赫夫曼树
- 数据结构之赫夫曼树的算法介绍和实现
- 算法竞赛入门经典:第六章 数据结构基础 6.14欧拉回路
- 数据结构与算法--栈 定义与操作
- 数据结构与算法复习笔记
- 数据结构与算法——链栈
- 数据结构与算法:STL容器
- 【数据结构与算法】二叉树的创建,插入,遍历,删除,删除节点实现
- 数据结构与算法——03-树2 List Leaves(浙大陈姥姥《数据结构与算法》)
- 手撕数据结构与算法
- 数据结构20:KMP算法(快速模式匹配算法)详解
- 数据结构与算法 ——目录贴
- 数据结构与算法
- 【数据结构与算法】第三章 栈c实现,使用链表结构
- 【数据结构与算法】刷题汇总 Python 版
- caoruntao的博客 - 数据结构及算法分类文章列表 - ITeye技术网站
- 数据结构与算法(4)顺序栈
- ACM经典算法之数据结构
- 【数据结构与算法】递归