目录
前言
一、实验目的
二、实验要求
三、设计思想
1 编码
1.1 生成Haffman编码
(1)统计字符频率
(2)构造Haffman树
1.2 文本编码
2 译码
2.1 读入译码信息
2.2 文本译码
2.3 测试结果
四、源码
前言:
这是我在CSDN的第一篇文章,第一次不知道怎么写,所以直接把实验报告搬上来了。但是目前这篇文章的阅读量很高,并且有帮到了好几位小伙伴,同时也得到了他们对我创作内容的认可,我受宠若惊,所以决定更新一下这篇文章,以更好地帮助大家解决问题。
我猜测许多小伙伴也是要写报告,所以我并不打算修改文章的整体框架,依旧以一份报告的格式来呈现,仅做小部分的改动:将图片型代码转为可以直接复制的代码块;修改部分措辞,便于理解;增加更多解释性语言,尽量把整个流程阐述地更加清楚。
由于当初使用的是富文本编辑器来写的文章,所以无法使用Markdown的相关语法,排版方面可能有些许粗糙,还请见谅。
我希望达到的目的是,仅仅通过这一篇博客,你便可以完全理解使用Haffman编码实现文本压缩中生成编码、压缩并写入二进制文件、读取文件并解码的整体流程,并能够轻易地在我的框架指导下写出自己的程序,不会出现修改时无从下手的情况。
目前有好几位小伙伴反馈了一些问题,汇总如下:
程序没有输出怎么办?
- 程序仅支持ASCII码字符,即英文文档。如果出现控制台没有任何输出,可以先去排查下文章中是否有中文的,。、?【】();等字符。可以在文章末尾源码部分下载我上传的测试文本,如果程序正常的话,那应该就是你源文本有中文字符了(目前有好几位小伙伴都是因为这个原因)。
- 如果控制台输出 “Failed to open files!” ,则需要检查一下在main函数开始是否修改了文件路径。相对路径注意将源文本与程序放在同目录下;绝对路径注意是否含有中文,某些编译器可能会出问题。同时,仅需创建"original_text.txt"源文本即可,压缩后的文本与解码后生成的文本会自动生成在同目录下。
压缩后的文件如何打开?
压缩后生成的"compressed_text.txt"文件,虽然后缀是txt文本文档,但其实是二进制文件,无法通过普通的文本编辑器打开。大家可以自行去网上查询有关的二进制文本编辑器来打开(推荐以十六进制显示)。
我使用的是VScode中的Hex Editor编辑器,十分方便。
如果有其他问题,或者说上述问题的其他情况,可以随时评论区、私信我交流,一起解决问题。
同时我的主页还有更有优质文章,希望可以帮到你,感谢大家的点赞、收藏和关注~
以下为正文部分:
一、实验目的
哈夫曼编码是一种以哈夫曼树(最优二叉树,带权路径长度最小的二叉树)为基础变长编码方法。其基本思想是:将使用次数多的代码转换成长度较短的编码,而使用次数少的采用较长的编码,并且保持编码的唯一可解性。在计算机信息处理中,经常应用于数据压缩。是一种一致性编码法(又称"熵编码法"),用于数据的无损压缩。
要求实现一个完整的哈夫曼编码与译码系统。
二、实验要求
- 从文件中读入任意一篇英文文本文件,分别统计英文文本文件中各字符(包括标点符号和空格)的使用频率;
- 根据已统计的字符使用频率构造哈夫曼编码树,并给出每个字符的哈夫曼编码(字符集的哈夫曼编码表);
- 将文本文件利用哈夫曼树进行编码,存储成二进制压缩文件(哈夫曼编码文件);
- 计算哈夫曼编码文件的压缩率;
- 将哈夫曼编码文件译码为文本文件,并与原文件进行比较。
三、设计思想
程序主要分为编码与译码两部分,总体思路如下:
相关存储结构及函数定义如下:
表3.1 函数定义
函数声明 |
作用 |
typedef struct HaffmanNode HaffmanNode, * HaffmanTree; |
字符Haffman结点的存储结构 |
typedef struct Dic Dic; |
存放字符及其编码结果的字典 |
typedef struct HeapStruct HeapStruct, * Heap; |
堆的结构 |
HaffmanTree createHaffmanNode(); |
生成Haffman树结点 |
HaffmanTree createHaffmanTree(); |
构造Haffman树 |
Heap createHeap(int maxsize); |
创建容量为maxsize的堆 |
void traverseHeap(Heap H); |
堆的遍历 |
void insertMinHeap(Heap H, HaffmanTree data); |
最小堆的插入 |
HaffmanTree deleteMinHeap(Heap H); |
最小堆的删除 |
int countChFrequency(FILE* fp); |
统计字符出现频率 |
void genHaffmanCode(HaffmanTree root); |
生成Haffman编码 |
void encoded(FILE* source, FILE* output); |
编码,生成二进制文件 |
void decoded(FILE* source, FILE* output); |
解码,生成文本文件 |
1 编码
1.1 生成Haffman编码
对一棵具有n个叶子结点的Haffman树,将树中的每个左分支赋0,右分支赋1,则从根到每个叶子的通路上各个分支的赋值分别构成一个二进制串,该二进制串就称为哈夫曼编码。哈夫曼编码是最优前缀编码,能使各种报文对应的二进制串的平均长度最短。
因此,为生成Haffman编码,首先要对文本中每个字符出现的频率进行统计,并利用堆的结构构造Haffman树,并生成编码。
Haffman树结点的结构定义如下。
/* 字符Haffman结点 */
typedef struct HaffmanNode
{
char character; // 字符
long count; // 出现频数
char code[MAXBIT]; // 编码
struct HaffmanNode *lchild; // 左孩子
struct HaffmanNode *rchild; // 右孩子
struct HaffmanNode *parent; // 父结点
} HaffmanNode, *HaffmanTree;
由于ASCII码值有128个字符,因此创建一个大小为128的Haffman结点指针数组,其下标分别对应各个字符的ASCII码值,并创建全局变量dic作为字典。
/* 存放字符及其编码结果的结构体 */
typedef struct Dic
{
HaffmanTree charNode[128]; // 字符结点数组,起到字典的作用(只适用于ASCII码表)
} Dic;
(1)统计字符频率
使用countChFrequency函数进行统计,具体流程如下:
(2)构造Haffman树
最小堆的根节点为所有元素中最小值,操作简单,时间复杂度低,用于构造Haffman树十分合适,因此使用最小堆的存储结构来构造。(没有学过堆的小伙伴可以采用别的方案,这里不是重点)
构造哈夫曼树的算法步骤如下:
① 预处理操作:由所有在文本中出现过的字符节点生成最小堆,并以各字符出现的频率(count)作为其权重。
② 依次从最小堆里取出两个结点(孩子结点),并生成一个新的父结点,将其插入最小堆中。其中父结点的count值为两孩子的count值求和。
③ 重复操作②,直至最小堆中只有一个结点为止。
④ 取出最小堆中结点,即为Haffman树的根节点root。
(3)生成Haffman编码
下面对各个字符进行编码,编码原则是:从树的根节点开始,进入左子树则编码加0,进入右子树则编码加1,就可以得到对应字符的二进制编码。
具体编程实现采用从叶子结点逆向遍历至根结点的方法:
即对于每一个叶子结点来说,如果它是父结点的左儿子,则将'0'存入临时字符数组中,如果是右儿子,则存入'1',如此循环直至到达根节点。
最后将临时字符数组逆置,便得到字符的编码,将其存入对应结点的code字符数组中。
结果示例(部分):
1.2 文本编码
接下来便是将source文件里的文本按照编码规则以二进制的形式写入到output文件中。
采取以下策略:
将存储内容分为三部分:
1. 文件基本信息
2. 正文
3. 字典(Haffman编码表)
结构如图所示,其中每一个小方格代表一个字节。
(1)写入操作
三部分内容写入方式大同小异,以正文内容写入为例。
首先需要一个暂存编码的字符数组tempCode。读取正文内容,不断地将字符对应的编码追加到tempCode的末尾。当发现tempCode的长度大于8位时,将进行写入(逐字节写入)操作。
声明一个char类型字符ch(大小为1个字节),首先将其置为0,即将二进制码置为0000 0000。从tempCode的首字符开始读取8位,如果是'1',则将ch左移一位,然后+1;如果是'0',则仅将ch左移一位。然后将ch写入output文件中即可,同时将tempCode中的内容向前移动8位,如此循环。
当文本读取完毕,发现tempCode中还有不足8位的编码,则在后面补0至8位,然后写入。
这里用到了位操作,估计有部分小伙伴不太理解,这里稍加解释,并不严谨,仅用于更好地辅助理解。(理解的小伙伴可以直接看代码)
我们采用的方案是逐字节写入,首先我们便需要获得一个1字节大小的“容器”,其实在计算机的眼里,没有什么int型、char型,不过是不同的连续大小的空间而已,int型就是4个字节,char型就是1个字节。
不知道怎么往文本中写二进制编码?但我们会写入char类型的字符呀。此处我们声明一个char类型的字符ch = 0,其对应的编码就是0000 0000。此时我们将这个char字符写入文本时,其实就是写入了8个为0的比特位。
那么现在我们就有办法写入0、1比特位了,如何将ch修改为我们想要的形式呢?这里就要用到左移和加1的操作了。
ch << 1代表将整个字节的二进制位向左移动1位,溢出的舍弃,右边补0;ch +1 中加的是二进制下的1。这样,我们便可以在二进制串中写入0和1,也就可以构造我们的Haffman编码了。
即将ch“改造”成我们想要的二进制形式,再按照普通的文本写入方式即可。
此部分核心代码如下:
// 写入文本
char ch = fgetc(source);
while (ch != EOF)
{
strcat(tempCode, dic.charNode[ch]->code); // 将字符的编码追加给tempCode暂存
lenTempCode = strlen(tempCode);
ch = 0; //二进制为00000000,作为写入文本的二进制编码的临时容器
while (lenTempCode >= 8) // 暂存编码位数大于8时,执行写入操作
{
for (i = 0; i < 8; i++) // 八位二进制数写入文件一次
{
if (tempCode[i] == '1') // ch的二进制数左移并加1
{
ch = ch << 1;
ch = ch + 1;
}
else
ch = ch << 1; // ch的二进制数左移
}
fwrite(&ch, sizeof(char), 1, output);
lenCompressedFile++;
strcpy(tempCode, tempCode + 8); // temoCode的值重新覆盖
lenTempCode = strlen(tempCode);
}
ch = fgetc(source);
}
if (lenTempCode > 0) // 若最后不满8位,则补0
{
ch = 0;
strcat(tempCode, "00000000");
for (i = 0; i < 8; i++)
{
if (tempCode[i] == '1') // ch的二进制数左移并加1
{
ch = ch << 1;
ch = ch + 1;
}
else
ch = ch << 1; // ch的二进制数左移
}
fwrite(&ch, sizeof(char), 1, output); // 将最后一个字符写入
lenCompressedFile++;
}
同理,将文本基本信息以及字典也写入output文件中(原理相同,代码详细,不多赘述),最终得到二进制文本,实现了压缩的目的,示例如下。
2 译码
想要知道如何译码,就要知道是如何进行编码的,此时我们刚才在文件中存储的字典便派上了用场,就可以像人查字典一样,将二进制序列逐个与字典匹配,进行“翻译”。
2.1 读入译码信息
首先需要构造字典,将字符、对应Haffman编码存入。
字典结构如下图所示:
操作如下:
首先读入文本开头12个字节的3个文件基本信息,依据信息定位至字典存储位置,进行读取。对于每一个字符结点来说,首先读入1个字节,值就是其ASCII码值。然后读取其编码长度,并在编码中读取对应位数,然后转换为字符数组并存入对应结点即可。
核心代码如下:
// 读取相关文本信息
int textLen, binLen, types, biFileLen, codeLen, byteNum;
fseek(source, 0, SEEK_END);
biFileLen = ftell(source); // 二进制文件总大小
fseek(source, 0, SEEK_SET);
fread(&textLen, sizeof(int), 1, source); // 源文本大小
fread(&binLen, sizeof(int), 1, source); // 压缩后的文件大小(不含字典)
fread(&types, sizeof(int), 1, source); // 字符种类数
// 读取字典并转换成二进制码(char数组)
fseek(source, binLen, SEEK_SET);
for (i = 0; i < types; i++)
{
fread(&dic_decode.charNode[i]->character, 1, 1, source); // 读取字符(ASCII码)
fread(&ch, 1, 1, source);
dic_decode.charNode[i]->count = (long)ch; // 读取字符编码长度 strlen(code)
if (dic_decode.charNode[i]->count % 8 > 0) // 当前字符的编码占了几个字节
byteNum = dic_decode.charNode[i]->count / 8 + 1;
else
byteNum = dic_decode.charNode[i]->count / 8;
for (j = 0; j < byteNum; j++)
{
fread(&ch, 1, 1, source); // 此步读取的是单个字节对应的ASCII码
temp = (int)ch;
_itoa(temp, tempCode, 2); // 将ch的值转为二进制字符串存入tempCode
temp = strlen(tempCode);
for (k = 8; k > temp; k--)
{
strcat(dic_decode.charNode[i]->code, "0"); //位数不足,执行补零操作
}
strcat(dic_decode.charNode[i]->code, tempCode);
}
dic_decode.charNode[i]->code[dic_decode.charNode[i]->count] = 0; // 放上/0
}
如此,便根据文本内存储的基本信息与字典,还原了该文本Haffman编码。
2.2 文本译码
由于Haffman编码不等长,所以编码的匹配策略对匹配效率影响很大。首先对字典进行按照编码长度升序排序,在之后遍历时便可以以最小代价匹配出正确字符。
采用如下的匹配策略:
首先找出各字符编码中的最长编码数maxLen,声明字符数组codeToBeDecoded存放待译码编码。逐字节将二进制文件中的内容读取到codeToBeDecoded数组中(其中需要进行十进制转二进制字符串,并补0操作)。当发现codeToBeDecoded数组的长度大于maxLen时,将其编码与字典各字符的编码进行逐个内存匹配。匹配成功后,将译码得到的字符写入output文件,并将codeToBeDecoded中编码向前覆盖,如此循环。
当写入的字符数与原文本字符数相同时,则译码完成,此时再往后读取便是字典的信息。
如此,我们便得到了译码后的结果。匹配过程的流程图如下:
同时,将Haffman编码读入至字典中后,我们可以按照其长度对其进行升序排序,这样在译码查找的时候就可以从小到大依次匹配,方便处理、提高效率。
我的代码中使用的是冒泡排序,其时间复杂度为O(n^2),大家可以根据自己需要进行优化。
相关的核心代码如下:
int maxLen = strlen(dic_decode.charNode[types - 1]->code); // 最长编码数
fseek(source, 12, SEEK_SET); // 指向正文开头
tempCode[0] = 0;
while (1)
{
while (strlen(codeToBeDecoded) < maxLen) // 确保一定找到一个字符
{
fread(&ch, 1, 1, source);
temp = (int)ch;
_itoa(temp, tempCode, 2); // 将ch的值转为二进制字符串存入tempCode
temp = strlen(tempCode);
for (k = 8; k > temp; k--) // 转十进制再转二进制会丢掉0,进行补0操作
strcat(codeToBeDecoded, "0");
strcat(codeToBeDecoded, tempCode);
}
// Haffman码与字符的匹配
for (i = 0; i < types; i++)
{
if (memcmp(dic_decode.charNode[i]->code, codeToBeDecoded, dic_decode.charNode[i]->count) == 0)
break;
}
strcpy(codeToBeDecoded, codeToBeDecoded + dic_decode.charNode[i]->count); // 将已经解译的编码覆盖
ch = dic_decode.charNode[i]->character;
fwrite(&ch, 1, 1, output); //写入解码的文件
writeCount++;
if (writeCount == textLen) // 限定写入只写到正文内容,再往后存储的就是字典
break;
}
此处匹配方案使用的是memcmp函数,进行内存匹配。
2.3 测试结果
以”瓦尔登湖(英文版).txt”为例,运行结果如下:
对于一篇59w个字符的小说,压缩为55.65%,压缩耗时0.064秒,译码耗时0.069秒。
四、源码
在此给出整个程序的源代码,同时我也将.c文件与文章中”瓦尔登湖(英文版).txt”一同打包上传到CSDN资源板块,感兴趣的小伙伴可以直接下载下来直接使用。
资源地址:
Haffman编码实现文本压缩的源码及文本示例-C文档类资源-CSDN文库https://download.csdn.net/download/m15253053181/87166548程序全部源代码:文章来源:https://www.toymoban.com/news/detail-518255.html
/*
* 程序:使用Haffman编码进行英文文档的编码、压缩、译码全过程
* 作者:友人帐_
* 文章地址:https://blog.csdn.net/m15253053181/article/details/127457700?spm=1001.2014.3001.5501
* 个人主页:https://blog.csdn.net/m15253053181?type=blog
* 希望可以帮助到大家,也欢迎进入我的主页查看更多优质文章~
*/
#define _CRT_SECURE_NO_WARNINGS
#include <stdlib.h>
#include <stdio.h>
#include <string.h>
#include <time.h>
#define MAXSIZE 100
#define MAXBIT 256
/* 字符Haffman结点 */
typedef struct HaffmanNode
{
char character; // 字符
long count; // 出现频数
char code[MAXBIT]; // 编码
struct HaffmanNode *lchild; // 左孩子
struct HaffmanNode *rchild; // 右孩子
struct HaffmanNode *parent; // 父亲
} HaffmanNode, *HaffmanTree;
/* 存放字符及其编码结果的结构体 */
typedef struct Dic
{
HaffmanTree charNode[128]; // 字符结点数组,起到字典的作用(只适用于ASCII码表)
} Dic;
/* 堆的结构 */
typedef struct HeapStruct
{
HaffmanTree *elem; // 存放堆元素(Haffman结点)的数组
int size; // 当前元素个数
int capacity; // 存储容量
} HeapStruct, *Heap;
HaffmanTree createHaffmanNode(); // 生成Haffman树结点
HaffmanTree createHaffmanTree(); // 构造Haffman树
Heap createHeap(int maxsize); // 创建容量为maxsize的堆
void traverseHeap(Heap H); // 堆的遍历
void insertMinHeap(Heap H, HaffmanTree data); // 最小堆的插入
HaffmanTree deleteMinHeap(Heap H); // 最小堆的删除
int countChFrequency(FILE *fp); // 统计字符出现频率
void genHaffmanCode(HaffmanTree root); // 生成Haffman编码
void encoded(FILE *source, FILE *output); // 编码
void decoded(FILE *source, FILE *output); // 解码
Dic dic; // 字典,全局变量,用于编码压缩
int main()
{
float begintime, endtime;
// 编码
FILE *originalText = fopen("./original_text.txt", "rb"); // 源文件
FILE *compressedText = fopen("./compressed_text.txt", "wb"); // 压缩后的二进制文件
if (!(originalText && compressedText))
printf("Failed to open files!\n ");
else
{
begintime = clock(); //计时开始
encoded(originalText, compressedText);
endtime = clock(); //计时结束
printf("Program time consuming: %fs\n\n", (endtime - begintime) / ((double)CLOCKS_PER_SEC));
}
fclose(originalText);
fclose(compressedText);
// 解码
FILE *binText = fopen("./compressed_text.txt", "rb"); // 压缩后的二进制文件
FILE *decodedText = fopen("./decoded_text.txt", "wb"); // 解码后的文件
if (!(binText && decodedText))
printf("Failed to open files!\n");
else
{
begintime = clock(); //计时开始
decoded(binText, decodedText);
endtime = clock(); //计时结束
printf("Program time consuming: %fs\n\n", (endtime - begintime) / ((double)CLOCKS_PER_SEC));
}
fclose(binText);
fclose(decodedText);
system("pause");
return 0;
}
/*---------------------------------------- 编码 ----------------------------------------*/
void encoded(FILE *source, FILE *output)
{
int i, j;
int types = 0;
int textLength = countChFrequency(source); // 计算字符频率
HaffmanTree root = createHaffmanTree(); // 由字符频率构造Haffman树
genHaffmanCode(root); // 编码
// 输出编码结果
printf(" *------------> Huffman Code Table <-----------*\n");
printf(" ____________________________________________\n charcater | frequency | code\n");
printf(" ____________|_____________|_________________\n");
for (i = 0; i < 128; i++)
if (dic.charNode[i]->count > 0)
{
if (dic.charNode[i]->character == 10) // 换行符
printf(" \\n\t|%8ld | %s\n", dic.charNode[i]->count, dic.charNode[i]->code);
else if (dic.charNode[i]->character == 0) // 结束符
printf(" \\0\t|%8ld | %s\n", dic.charNode[i]->count, dic.charNode[i]->code);
else if (dic.charNode[i]->character == 9) // 制表符
printf(" \\t\t|%8ld | %s\n", dic.charNode[i]->count, dic.charNode[i]->code);
else if (dic.charNode[i]->character == 13) // 回车
printf(" \\r\t|%8ld | %s\n", dic.charNode[i]->count, dic.charNode[i]->code);
else if (dic.charNode[i]->character == 32) // 空格
printf(" space |%8ld | %s\n", dic.charNode[i]->count, dic.charNode[i]->code);
else
printf(" %c\t|%8ld | %s\n", dic.charNode[i]->character, dic.charNode[i]->count, dic.charNode[i]->code);
types++;
}
printf(" _____________|_____________|_________________\n\n");
// 压缩文件准备操作
fseek(source, 0, SEEK_SET); // 找到源文件开头
fseek(output, 12, SEEK_SET); // 找到输出文件的12个字节后的位置,前12字节存相关信息
int lenCompressedFile = 12; // 压缩文件的长度,单位字节
char tempCode[MAXBIT] = {0}; // 临时存放字符编码
int lenTempCode = 0; // 暂存的字符编码长度
// 写入文本
char ch = fgetc(source);
while (ch != EOF)
{
strcat(tempCode, dic.charNode[ch]->code); // 将字符的编码追加给tempCode暂存
lenTempCode = strlen(tempCode);
ch = 0; //二进制为00000000,作为写入文本的二进制编码的临时容器
while (lenTempCode >= 8) // 暂存编码位数大于8时,执行写入操作
{
for (i = 0; i < 8; i++) // 八位二进制数写入文件一次
{
if (tempCode[i] == '1') // ch的二进制数左移并加1
{
ch = ch << 1;
ch = ch + 1;
}
else
ch = ch << 1; // ch的二进制数左移
}
fwrite(&ch, sizeof(char), 1, output);
lenCompressedFile++;
strcpy(tempCode, tempCode + 8); // temoCode的值重新覆盖
lenTempCode = strlen(tempCode);
}
ch = fgetc(source);
}
if (lenTempCode > 0) // 若最后不满8位,则补0
{
ch = 0;
strcat(tempCode, "00000000");
for (i = 0; i < 8; i++)
{
if (tempCode[i] == '1') // ch的二进制数左移并加1
{
ch = ch << 1;
ch = ch + 1;
}
else
ch = ch << 1; // ch的二进制数左移
}
fwrite(&ch, sizeof(char), 1, output); // 将最后一个字符写入
lenCompressedFile++;
}
// 写入源文件大小、压缩后文件大小和字符种类数(bytes)
fseek(output, 0, SEEK_SET); // 输出文件指针指向开头,写入参数
fwrite(&textLength, sizeof(int), 1, output); // 写入源文件大小
fwrite(&lenCompressedFile, sizeof(int), 1, output); // 写入压缩后文件大小(包括12字节的文本信息及正文,不包括字典)
fwrite(&types, sizeof(int), 1, output); // 写入字符种类数
// 写入字典
fseek(output, lenCompressedFile, SEEK_SET); // 找到output的末尾
HaffmanTree tempNode;
char codeLenBit;
for (i = 0; i < 128; i++)
{
if (dic.charNode[i]->count > 0)
{
tempNode = dic.charNode[i];
lenTempCode = strlen(tempNode->code);
fwrite(&(tempNode->character), 1, 1, output); // 写入字符ASCII码
lenCompressedFile++;
codeLenBit = lenTempCode;
fwrite(&codeLenBit, 1, 1, output); // 写入字符编码的长度-1个字节就够了
lenCompressedFile++;
while (lenTempCode % 8 != 0) // 当编码不够整数字节时,补0
{
strcat(tempNode->code, "0");
lenTempCode = strlen(tempNode->code);
}
while (tempNode->code[0] != 0)
{
ch = 0;
for (j = 0; j < 8; j++)
{
if (tempNode->code[j] == '1')
{
ch = ch << 1;
ch += 1;
}
else
ch = ch << 1;
}
strcpy(tempNode->code, tempNode->code + 8);
fwrite(&ch, 1, 1, output); // 将所得的编码信息写入文件
lenCompressedFile++;
}
}
}
printf("\n>>> Original File Information\n");
printf("- filename: original_text.txt\n- file length: %ld bytes\n", textLength);
printf("\n>>> Compressed File Information\n");
printf("- filename: decoded_text.txt\n- file length: %ld bytes\n", lenCompressedFile);
printf("\nThe compress has finished! Compression ratio: %.2f%%\n", (float)lenCompressedFile / (float)textLength * 100);
}
/*---------------------------------------- 解码 ----------------------------------------*/
void decoded(FILE *source, FILE *output)
{
int i, j, k;
int temp;
unsigned char ch;
int writeCount = 0; // 写入字符数的统计
char tempCode[MAXBIT] = {0}; // 临时存放字符编码
char codeToBeDecoded[MAXBIT] = {0}; // 存放待译码的二进制序列(1个char)
Dic dic_decode; // 解码用字典
// 对dic进行初始化
for (i = 0; i < 128; i++)
{
dic_decode.charNode[i] = (HaffmanTree)malloc(sizeof(HaffmanNode)); // 申请空间
dic_decode.charNode[i]->character = 0; // 此时下标无含义
dic_decode.charNode[i]->count = 0; // 此时用于存放编码长度 strlen(code)
dic_decode.charNode[i]->lchild = NULL;
dic_decode.charNode[i]->rchild = NULL;
dic_decode.charNode[i]->parent = NULL;
dic_decode.charNode[i]->code[0] = 0;
}
// 读取相关文本信息
int textLen, binLen, types, biFileLen, codeLen, byteNum;
fseek(source, 0, SEEK_END);
biFileLen = ftell(source); // 二进制文件总大小
fseek(source, 0, SEEK_SET);
fread(&textLen, sizeof(int), 1, source); // 源文本大小
fread(&binLen, sizeof(int), 1, source); // 压缩后的文件大小(不含字典)
fread(&types, sizeof(int), 1, source); // 字符种类数
// 读取字典并转换成二进制码(char数组)
fseek(source, binLen, SEEK_SET);
for (i = 0; i < types; i++)
{
fread(&dic_decode.charNode[i]->character, 1, 1, source); // 读取字符(ASCII码)
fread(&ch, 1, 1, source);
dic_decode.charNode[i]->count = (long)ch; // 读取字符编码长度 strlen(code)
if (dic_decode.charNode[i]->count % 8 > 0) // 当前字符的编码占了几个字节
byteNum = dic_decode.charNode[i]->count / 8 + 1;
else
byteNum = dic_decode.charNode[i]->count / 8;
for (j = 0; j < byteNum; j++)
{
fread(&ch, 1, 1, source); // 此步读取的是单个字节对应的ASCII码
temp = (int)ch;
_itoa(temp, tempCode, 2); // 将ch的值转为二进制字符串存入tempCode
temp = strlen(tempCode);
for (k = 8; k > temp; k--)
{
strcat(dic_decode.charNode[i]->code, "0"); //位数不足,执行补零操作
}
strcat(dic_decode.charNode[i]->code, tempCode);
}
dic_decode.charNode[i]->code[dic_decode.charNode[i]->count] = 0; // 放上/0
}
// 按Haffman码长度从小到大排序,便于译码时查找 - 冒泡
HaffmanTree tmp;
for (i = 0; i < types; i++)
{
for (j = 0; j < types - i - 1; j++)
{
if (strlen(dic_decode.charNode[j]->code) > strlen(dic_decode.charNode[j + 1]->code))
{
tmp = dic_decode.charNode[j];
dic_decode.charNode[j] = dic_decode.charNode[j + 1];
dic_decode.charNode[j + 1] = tmp;
}
}
}
int maxLen = strlen(dic_decode.charNode[types - 1]->code); // 最长编码数
fseek(source, 12, SEEK_SET); // 指向正文开头
tempCode[0] = 0;
while (1)
{
while (strlen(codeToBeDecoded) < maxLen) // 确保一定找到一个字符
{
fread(&ch, 1, 1, source);
temp = (int)ch;
_itoa(temp, tempCode, 2); // 将ch的值转为二进制字符串存入tempCode
temp = strlen(tempCode);
for (k = 8; k > temp; k--) // 转十进制再转二进制会丢掉0,进行补0操作
strcat(codeToBeDecoded, "0");
strcat(codeToBeDecoded, tempCode);
}
// Haffman码与字符的匹配
for (i = 0; i < types; i++)
{
if (memcmp(dic_decode.charNode[i]->code, codeToBeDecoded, dic_decode.charNode[i]->count) == 0)
break;
}
strcpy(codeToBeDecoded, codeToBeDecoded + dic_decode.charNode[i]->count); // 将已经解译的编码覆盖
ch = dic_decode.charNode[i]->character;
fwrite(&ch, 1, 1, output); //写入解码的文件
writeCount++;
if (writeCount == textLen) // 限定写入只写到正文内容,再往后存储的就是字典
break;
}
printf("The decoded has finish!\n");
}
/*---------------------------------------- 编码所需操作 ----------------------------------------*/
/* 统计字符频率 */
int countChFrequency(FILE *fp)
{
int i;
int length = 0; // 统计文本的长度
// 对dic进行初始化
for (i = 0; i < 128; i++)
{
dic.charNode[i] = (HaffmanTree)malloc(sizeof(HaffmanNode)); // 申请空间
dic.charNode[i]->character = i; // 将下标与ASCII码对应
dic.charNode[i]->count = 0;
dic.charNode[i]->lchild = NULL;
dic.charNode[i]->rchild = NULL;
dic.charNode[i]->parent = NULL;
}
// 对字符进行统计
char ch = fgetc(fp);
while (ch != EOF)
{
dic.charNode[(int)ch]->count++;
ch = fgetc(fp);
length++;
}
return length;
}
/* 生成Haffman编码 */
void genHaffmanCode(HaffmanTree root)
{
int i, j;
int count = 0;
char tempCode[256]; // 临时存放字符编码
HaffmanTree pMove = NULL;
// 生成Haffman编码
for (i = 0; i < 128; i++)
{
if (dic.charNode[i]->count > 0) // 对于出现过的字符,即Haffman树的叶子结点
{
pMove = dic.charNode[i];
// 从叶子逆序到根,将编码逆序存放在tempCode中
while (pMove->parent)
{
if (pMove->parent->lchild == pMove)
tempCode[count] = '0'; // 左子树为0
else
tempCode[count] = '1'; // 右子树为1
count++;
pMove = pMove->parent;
}
// 将tempCode编码逆序存放在字符结点中
for (j = 0; j < count; j++)
dic.charNode[i]->code[j] = tempCode[count - j - 1];
dic.charNode[i]->code[j] = '\0';
count = 0;
}
}
}
/* 生成Haffman树结点 */
HaffmanTree createHaffmanNode()
{
HaffmanTree node = (HaffmanTree)malloc(sizeof(HaffmanNode));
node->character = 0;
node->count = 0;
node->lchild = NULL;
node->rchild = NULL;
node->parent = NULL;
return node;
}
/* 构造Haffman树 */
HaffmanTree createHaffmanTree()
{
int i;
// 由字典构造最小堆
Heap H = createHeap(MAXSIZE);
for (i = 0; i < 128; i++)
{
if (dic.charNode[i]->count > 0)
{
insertMinHeap(H, dic.charNode[i]);
}
}
// 构造Haffman树
while (H->size > 1)
{
// 创建新结点,值为两最小结点的和
HaffmanTree newNode = createHaffmanNode();
HaffmanTree left = deleteMinHeap(H);
HaffmanTree right = deleteMinHeap(H);
newNode->count = left->count + right->count;
newNode->lchild = left;
newNode->rchild = right;
left->parent = newNode;
right->parent = newNode;
// 将新结点插入堆中
insertMinHeap(H, newNode);
}
HaffmanTree root = deleteMinHeap(H);
return root;
}
/* 创建容量为maxsize的堆 */
Heap createHeap(int maxsize)
{
Heap H = (Heap)malloc(sizeof(struct HeapStruct));
H->elem = (HaffmanTree *)malloc(sizeof(HaffmanTree) * (maxsize + 1)); // 从下标为1存放堆元素
H->size = 0;
H->capacity = maxsize;
return H;
}
/* 堆的遍历 */
void traverseHeap(Heap H)
{
int i;
if (H->size == 0)
{
printf("Heap is empty!\n");
return;
}
for (i = 1; i <= H->size; i++)
{
printf("%d ", H->elem[i]->count);
}
printf("\n");
}
/* 最小堆的插入 */
void insertMinHeap(Heap H, HaffmanTree data)
{
int i;
if (H->size == H->capacity) // 堆满
{
printf("Min heap is full!\n");
return;
}
i = H->size + 1; // i指向插入元素后堆中最后一个元素的位置
H->size++;
while (1)
{
if (i <= 1) // 如果堆为空,直接退出去,插入元素
break;
if (!(H->elem[i / 2]->count > data->count)) // 已经找到位置
break;
H->elem[i] = H->elem[i / 2]; // 如果插入位置的父结点大于其值,则将其插入位置与父结点交换
i /= 2;
}
H->elem[i] = data; // 将data插入
}
/* 最小堆的删除 */
HaffmanTree deleteMinHeap(Heap H)
{
int parent, child;
HaffmanTree min, temp;
if (H->size == 0)
{
printf("Heap is empty!\n");
return NULL;
}
min = H->elem[1]; // 取出最小值-根节点
// 将堆最后一个元素作为树根,然后调整树的结构
temp = H->elem[H->size]; // 存放堆的最后一个元素
H->size--;
for (parent = 1; parent * 2 <= H->size; parent = child)
{
child = parent * 2; // 先指向左子结点
// child指向左右子结点的较小者
if ((child != H->size) && (H->elem[child]->count > H->elem[child + 1]->count))
child++;
if (temp->count <= H->elem[child]->count) //找到位置了
break;
else // 将temp移动到下一层
H->elem[parent] = H->elem[child];
}
H->elem[parent] = temp;
return min;
}
CSDN统计整篇文章共18906字符,码字不易,如果这篇文章对你有用的话,麻烦留下一个大大的赞吧~非常感谢!文章来源地址https://www.toymoban.com/news/detail-518255.html
到了这里,关于Haffman编码实现文本压缩-C语言-万字长文,绝对详细的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!