python贪心法求解哈夫曼编码问题。 设要编码的字符集为{d1， d2， …， dn}，它们出现的频率为{w1， w2， …， wn}，应用哈夫曼树构造最优的不等长的由0、1构成的编码方案。

哈夫曼编码是一种最优前缀编码，它的基本思想是将出现频率较高的字符用较短的编码，出现频率较低的字符用较长的编码，以达到编码长度最短的目的。贪心法是构造哈夫曼树的常用方法之一。

具体实现步骤如下：

1. 将所有字符按照出现频率从小到大排序，构造一个权值队列。

2. 从队列中弹出两个权值最小的节点，合并成一个新节点，其权值为两个原节点的权值之和，新节点的左右子节点分别为原来的两个节点。

3. 将新节点插入队列中，重复步骤2，直到队列中只剩下一个节点，即哈夫曼树的根节点。

4. 对哈夫曼树进行遍历，给每个叶子节点赋予一个0、1编码，从根节点到叶子节点的路径上，左子节点标记为0，右子节点标记为1。

下面是Python代码实现：

class Node:
    def __init__(self, freq, char=None):
        self.freq = freq
        self.char = char
        self.left = None
        self.right = None

def huffman_encoding(data):
    freq = {}
    for c in data:
        freq[c] = freq.get(c, 0) + 1

    nodes = [Node(freq[c], c) for c in freq]
    nodes.sort(key=lambda x: x.freq)

    while len(nodes) > 1:
        left = nodes.pop(0)
        right = nodes.pop(0)
        parent = Node(left.freq + right.freq)
        parent.left = left
        parent.right = right
        nodes.append(parent)
        nodes.sort(key=lambda x: x.freq)

    root = nodes[0]
    code_map = {}
    def traverse(node, code):
        if node.char:
            code_map[node.char] = code
        else:
            traverse(node.left, code + '0')
            traverse(node.right, code + '1')
    traverse(root, '')

    encoded_data = ''.join(code_map[c] for c in data)
    return encoded_data, code_map

def huffman_decoding(encoded_data, code_map):
    rev_code_map = {v: k for k, v in code_map.items()}
    i, j = 0, 0
    data = ''
    while j < len(encoded_data):
        if encoded_data[i:j+1] in rev_code_map:
            data += rev_code_map[encoded_data[i:j+1]]
            i = j + 1
        j += 1
    return data

其中，huffman_encoding函数输入原始数据，返回编码后的数据和编码映射表；huffman_decoding函数输入编码后的数据和编码映射表，返回解码后的原始数据。