[项目]文件压缩

文件的压缩和解压缩

由于存储一个int 最少需要8个字节 一个char 最少需要1个字节（32位），但大多数时候在一个文件中会有很多重复的数字或者字符，将其进行重新编码，比如说：s:1001 在这个文件中这就代表s 从而就产生了哈夫曼编码

哈夫曼编码： 最佳判定树

定义哈夫曼树之前先说明几个与哈夫曼树有关的概念：

 

路径： 树中一个结点到另一个结点之间的分支构成这两个结点之间的路径。

 

路径长度：路径上的分枝数目称作路径长度。

 

树的路径长度：从树根到每一个结点的路径长度之和。

 

结点的带权路径长度：在一棵树中，如果其结点上附带有一个权值，通常把该结点的路径长度与该结点上的权值

                                        之积称为该结点的带权路径长度

树的带权路径长度：如果树中每个叶子上都带有一个权值，则把树中所有叶子的带权路径长度之和称为树的带

                                   权路径长度。

一般来说，用n（n>0）个带权值的叶子来构造二叉树，限定二叉树中除了这n个叶子外只能出现度为2的结点。

 

那么符合这样条件的二叉树往往可构造出许多颗，

 

 

其中带权路径长度最小的二叉树就称为哈夫曼树或最优二叉树

 

特点：

根据哈弗曼树的定义，一棵二叉树要使其WPL值最小，必须使权值越大的叶子结点越靠近根结点，而权值越小的叶子结点

越远离根结点。

将权小的数据放在叶子节点，每次通过选取出最小的权构造出一个新节点再放入可被选择的区域，最终达到最佳的路线

所以：

（1）利用字符集中每个字符的使用频率作为权值构造一个哈夫曼树；

（2）从根结点开始，为到每个叶子结点路径上的左分支赋予0，右分支赋予1，并从根到叶子方向形成该叶子结点的编码

压缩前：

i am a student

压缩后：

a:2

d:1

e:1

i:1

m:1

n:1

s:1

t:2

u:1

然而压缩完以后失去了可读性

故还需将其恢复：解压缩

再将压缩文件恢复成原文件

压缩文件中存储哈夫曼编码（八位一存），解压缩文件通过读哈夫曼编码还原出字符

实现思路：

1.统计文件中字符出现的次数，利用数据结构堆建造Huffman树，出现次数多的编码短，出现次数少的编码长。
根据建造好的Huffman树形成编码，以对文件进行压缩。
2.将文件中出现的字符以及他们出现的次数写入配置文件，以便后续的解压缩。

3.根据配置文件读取相关信息重建Huffman树，对压缩后的文件进行译码。