编写程序对明文进行哈夫曼编码

哈夫曼编码是一种用于数据压缩的统计编码方法，特别适合于字符频度较高的文本。以下是使用Python编写一个简单的哈夫曼树及其编码过程的基本步骤：

1. **计算频率**：首先统计输入文本中每个字符出现的频率，通常存储在一个字典中，键是字符，值是对应的频率。

from collections import Counter

text = "Hello, World!"
char_freq = Counter(text)

2. **构建哈夫曼树**：利用哈夫曼树构造算法（也称为赫夫曼树），将频率高的节点排在前面，并不断合并两个最轻的节点直到只剩下一个，这个过程可以使用优先队列（例如`heapq`模块的`heappush`和`heappop`函数）来高效地操作。

import heapq

def build_huffman_tree(freqs):
    heap = [[weight, [char, '']] for char, weight in freqs.items()]
    heapq.heapify(heap)

    while len(heap) > 1:
        left = heapq.heappop(heap)
        right = heapq.heappop(heap)
        new_node = [left[0] + right[0], []]
        new_node[1].append(left[1])
        new_node[1].append(right[1])
        heapq.heappush(heap, new_node)

    return heap[0][1]

huffman_tree = build_huffman_tree(char_freq)

3. **生成编码规则**：从根节点开始，对于每个叶子节点（即字符），记录下从根到该叶节点路径上所有边的“0”、“1”序列，这就是该字符的哈夫曼编码。

def get_code(node, path=''): 
    if not node[1]: 
        return path 
    else: 
        return get_code(node[1][0], path + '0') + get_code(node[1][1], path + '1')

huffman_codes = {char: get_code(node) for char, node in zip(huffman_tree, char_freq.keys())}

4. **应用编码**：最后，你可以遍历原始文本，替换每个字符为其哈夫曼编码，得到压缩后的字符串。

compressed_text = ''.join([huffman_codes[char] for char in text])