【项目】哈夫曼树的应用：文件压缩

在前几天写了哈夫曼树以及哈夫曼编码的博客：

http://blog.csdn.net/wenqiang1208/article/details/77261906

文件压缩

文件压缩的主要思想是利用哈夫曼编码来实现的，但是得到编码之前我们需要构建这棵树。那么利用什么来构建树呢？！这里，我们需要统计每个字符出现的次数，用次数来构建Huffman-Tree。假设我们现在有一个.txt的小文件，内容是”aaaabbbccd”。字符存在计算机中时以字节为单位的，因此我们需要将这些字符压缩成0、1表示的编码，0和1表示字节中的“位”，这样能大大降低文件的大小。

源文件的的大小10个字节，
压缩后一共19个比特位，不足1个字节后面补足0，一共3个字节。

为了实现文件压缩，需要对文件字符信息进行定义

字符信息结构体
包括字符，字符个数，以及字符压缩后的编码。

struct FileInfo{    FileInfo()    : _count(0)    {}    /*FileInfo operator+(const FileInfo& FileInfoRight)//会改变原来的值    {    this->_count += FileInfoRight._count;    return *this;    }*/    FileInfo operator+(const FileInfo& FileInfoRight)    {        FileInfo  temp(*this);        temp._count += FileInfoRight._count;        return temp;    }    bool operator <(const FileInfo& FileInfoRight)const    {        return _count < FileInfoRight._count;    }    bool operator >(const FileInfo& FileInfoRight)const    {        return _count > FileInfoRight._count;    }    bool operator != (const FileInfo& FileInfoRight)const    {        return _count != FileInfoRight._count;    }    std::string _strCode;//存放当前字符压缩后的编码    unsigned char _ch;//当前字符    size_t _count;//统计字符个数};

对文件信息进行压缩时，需要在新文件中写入头部信息，因为进行解压时需要文件信息。

头部信息包括下面三个部分：
扩展名：(就是源文件的后缀名)
编码行数
编码行 (字符：字符个数)

实现文件压缩的步骤：
(1)打开文件，对文件字符信息进行统计。CountFileInfo函数
(2)根据字符出现的个数，构建哈夫曼树，后序遍历哈夫曼树获取字符编码。FillCode函数和_GenerateHuffmanCode函数
(3)进行文件压缩，写入新的文件中；
a、先把头部信息写入新文件的首部(因为进行解压时，需要用到信息)。WriteHead函数
b、遍历源文件，将每个字符的编码信息写入新文件中。CompressCore函数

文件解压

文件解压，根据文件压缩文件，进行还原源文件。
(1)先读取头部信息，重新构建哈夫曼树。
(2)根据字符编码信息，对哈夫曼树进行遍历，叶子结点信息就是字符信息。
(3)将叶子结点信息重新写入文件中。

文件解压时遇到的问题

(1)比如说“aaa”并没有构建哈夫曼树，那么并没有写入编码信息，

解决方法：直接写入字符信息，不需要转码

(2)压缩信息后面 补足的0，可能会被误读成压缩信息。

压缩以后的文件如果不够一个字节大小，会用0来代替空缺的比特位，这样带来的问题就是可能会多解压出字符。以上述的”aaaabbbccd”为例，压缩以后的编码为19比特位:00001111 11110110 100，计算机存储的最小单位为字节，因此这些编码会被存储为00001111 11110110 10000000，后边的五个0对我们来说就是多余的，如果不处理，就会多还原出5个a。

解决方法：给出一个charCount来统计所有字符串的个数，其实也就是根节点的值，每次还原出一个字符后，charCount就-1，直到charCount为0时说明所有字符都已经解压完成。

代码地址
https://github.com/WenQiangW/FileCompress

测试

使用BeyondCompared软件进行对比源文件和新还原的文件，看是否还原成功。

在huffman文件压缩下：
压缩一个1.2M左右的文件，能够到压缩0.9M左右，用时0.5秒左右。
压缩一个2.3M左右的文件，能够到压缩1.8M左右，用时0.8秒左右。
压缩一个8.3M左右的文件，能够到压缩6.7M左右，用时3秒。