用c语言写一个关于哈夫曼树和哈夫曼编码的代码

时间: 2024-03-22 07:39:08 浏览: 27
好的,下面是一个基于C语言实现的简单的哈夫曼编码和译码程序: ```c #include <stdio.h> #include <stdlib.h> #include <string.h> #define MAX_TREE_HT 100 // 定义哈夫曼树节点结构体 struct HuffmanNode { int freq; char data; struct HuffmanNode *left; struct HuffmanNode *right; }; // 定义哈夫曼编码表结构体 struct HuffmanCode { char data; char *code; }; // 创建哈夫曼树节点 struct HuffmanNode *createHuffmanNode(char data, int freq) { struct HuffmanNode *node = (struct HuffmanNode *) malloc(sizeof(struct HuffmanNode)); node->data = data; node->freq = freq; node->left = NULL; node->right = NULL; return node; } // 交换两个哈夫曼树节点 void swapNodes(struct HuffmanNode **a, struct HuffmanNode **b) { struct HuffmanNode *temp = *a; *a = *b; *b = temp; } // 对哈夫曼树节点数组进行排序(根据频率从小到大) void sortNodes(struct HuffmanNode **nodes, int n) { int i, j; for (i = 0; i < n - 1; i++) { for (j = 0; j < n - i - 1; j++) { if (nodes[j]->freq > nodes[j + 1]->freq) { swapNodes(&nodes[j], &nodes[j + 1]); } } } } // 构建哈夫曼树 struct HuffmanNode *buildHuffmanTree(char data[], int freq[], int n) { // 创建哈夫曼树节点数组 struct HuffmanNode **nodes = (struct HuffmanNode **) malloc(n * sizeof(struct HuffmanNode *)); int i; for (i = 0; i < n; i++) { nodes[i] = createHuffmanNode(data[i], freq[i]); } // 对哈夫曼树节点数组进行排序 sortNodes(nodes, n); // 构建哈夫曼树 while (n > 1) { // 选取最小的两个节点作为左右子节点 struct HuffmanNode *left = nodes[0]; struct HuffmanNode *right = nodes[1]; // 创建新节点,其频率为左右子节点频率之和 struct HuffmanNode *node = createHuffmanNode('\0', left->freq + right->freq); node->left = left; node->right = right; // 将新节点插入到节点数组中 nodes[0] = node; // 对节点数组进行排序,继续构建哈夫曼树 sortNodes(nodes, n); n--; } // 返回根节点 return nodes[0]; } // 生成哈夫曼编码表 void generateHuffmanCodeTable(struct HuffmanNode *root, char *prefix, int prefixLen, struct HuffmanCode *table, int *size) { if (!root) { return; } if (root->left == NULL && root->right == NULL) { // 叶子节点,将编码存入哈夫曼编码表 table[*size].data = root->data; table[*size].code = (char *) malloc((prefixLen + 1) * sizeof(char)); strcpy(table[*size].code, prefix); (*size)++; } else { // 非叶子节点,递归生成左右子树的编码 prefix[prefixLen] = '0'; prefix[prefixLen + 1] = '\0'; generateHuffmanCodeTable(root->left, prefix, prefixLen + 1, table, size); prefix[prefixLen] = '1'; prefix[prefixLen + 1] = '\0'; generateHuffmanCodeTable(root->right, prefix, prefixLen + 1, table, size); } } // 将字符串编码为哈夫曼编码 char *encodeString(char *str, struct HuffmanCode *table, int size) { int len = strlen(str); char *code = (char *) malloc(MAX_TREE_HT * sizeof(char)); code[0] = '\0'; int i, j; for (i = 0; i < len; i++) { for (j = 0; j < size; j++) { if (table[j].data == str[i]) { strcat(code, table[j].code); break; } } } return code; } // 将哈夫曼编码解码为字符串 char *decodeCode(char *code, struct HuffmanNode *root) { char *str = (char *) malloc(MAX_TREE_HT * sizeof(char)); str[0] = '\0'; struct HuffmanNode *current = root; int i; for (i = 0; code[i] != '\0'; i++) { if (code[i] == '0') { current = current->left; } else if (code[i] == '1') { current = current->right; } if (current->left == NULL && current->right == NULL) { // 找到叶子节点,将其对应的字符加入解码字符串 str[strlen(str)] = current->data; current = root; } } return str; } int main() { char data[] = {'a', 'b', 'c', 'd', 'e'}; int freq[] = {5, 3, 2, 4, 1}; int n = sizeof(data) / sizeof(data[0]); // 构建哈夫曼树 struct HuffmanNode *root = buildHuffmanTree(data, freq, n); // 生成哈夫曼编码表 struct HuffmanCode table[n]; char prefix[MAX_TREE_HT]; prefix[0] = '\0'; int size = 0; generateHuffmanCodeTable(root, prefix, 0, table, &size); // 输出哈夫曼编码表 printf("Huffman Code Table:\n"); int i; for (i = 0; i < size; i++) { printf(" %c: %s\n", table[i].data, table[i].code); } // 编码字符串 char *str = "abacabad"; char *code = encodeString(str, table, size); printf("Encoded string: %s\n", code); // 解码哈夫曼编码 char *decodedStr = decodeCode(code, root); printf("Decoded string: %s\n", decodedStr); return 0; } ``` 在这个程序中,我们首先定义了哈夫曼树节点和哈夫曼编码表的结构体。然后,我们用 `createHuffmanNode` 函数创建哈夫曼树节点,用 `swapNodes` 和 `sortNodes` 函数对哈夫曼树节点数组进行排序,用 `buildHuffmanTree` 函数构建哈夫曼树。接着,我们用 `generateHuffmanCodeTable` 函数生成哈夫曼编码表,用 `encodeString` 函数将字符串编码为哈夫曼编码,用 `decodeCode` 函数将哈夫曼编码解码为字符串。最后,在 `main` 函数中,我们演示了如何使用这些函数来进行哈夫曼编码和译码。

相关推荐

最新推荐

recommend-type

C语言实现哈夫曼树的构建

哈夫曼树的构建与C语言实现 ...哈夫曼树是一种特殊的二叉树,它的构建是数据压缩和编码的重要组件。C语言实现哈夫曼树的构建可以通过定义哈夫曼树的结构体、实现findSmallData函数和createHuTree函数来实现。
recommend-type

数据结构课程设计_哈夫曼树

1、训练学生灵活应用所学数据结构知识,独立完成问题分析,...4.训练用系统的观点和软件开发一般规范进行软件开发,巩固、深化学生的理论知识,提高编程水平,并在此过程中培养他们严谨的科学态度和良好的工作作风。
recommend-type

GO婚礼设计创业计划:技术驱动的婚庆服务

"婚礼GO网站创业计划书" 在创建婚礼GO网站的创业计划书中,创业者首先阐述了企业的核心业务——GO婚礼设计,专注于提供计算机软件销售和技术开发、技术服务,以及与婚礼相关的各种服务,如APP制作、网页设计、弱电工程安装等。企业类型被定义为服务类,涵盖了一系列与信息技术和婚礼策划相关的业务。 创业者的个人经历显示了他对行业的理解和投入。他曾在北京某科技公司工作,积累了吃苦耐劳的精神和实践经验。此外,他在大学期间担任班长,锻炼了团队管理和领导能力。他还参加了SYB创业培训班,系统地学习了创业意识、计划制定等关键技能。 市场评估部分,目标顾客定位为本地的结婚人群,特别是中等和中上收入者。根据数据显示,广州市内有14家婚庆公司,该企业预计能占据7%的市场份额。广州每年约有1万对新人结婚,公司目标接待200对新人,显示出明确的市场切入点和增长潜力。 市场营销计划是创业成功的关键。尽管文档中没有详细列出具体的营销策略,但可以推断,企业可能通过线上线下结合的方式,利用社交媒体、网络广告和本地推广活动来吸引目标客户。此外,提供高质量的技术解决方案和服务,以区别于竞争对手,可能是其市场差异化策略的一部分。 在组织结构方面,未详细说明,但可以预期包括了技术开发团队、销售与市场部门、客户服务和支持团队,以及可能的行政和财务部门。 在财务规划上,文档提到了固定资产和折旧、流动资金需求、销售收入预测、销售和成本计划以及现金流量计划。这表明创业者已经考虑了启动和运营的初期成本,以及未来12个月的收入预测,旨在确保企业的现金流稳定,并有可能享受政府对大学生初创企业的税收优惠政策。 总结来说,婚礼GO网站的创业计划书详尽地涵盖了企业概述、创业者背景、市场分析、营销策略、组织结构和财务规划等方面,为初创企业的成功奠定了坚实的基础。这份计划书显示了创业者对市场的深刻理解,以及对技术和婚礼行业的专业认识,有望在竞争激烈的婚庆市场中找到一席之地。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【基础】PostgreSQL的安装和配置步骤

![【基础】PostgreSQL的安装和配置步骤](https://img-blog.csdnimg.cn/direct/8e80154f78dd45e4b061508286f9d090.png) # 2.1 安装前的准备工作 ### 2.1.1 系统要求 PostgreSQL 对系统硬件和软件环境有一定要求,具体如下: - 操作系统:支持 Linux、Windows、macOS 等主流操作系统。 - CPU:推荐使用多核 CPU,以提高数据库处理性能。 - 内存:根据数据库规模和并发量确定,一般建议 8GB 以上。 - 硬盘:数据库文件和临时文件需要占用一定空间,建议预留足够的空间。
recommend-type

字节跳动面试题java

字节跳动作为一家知名的互联网公司,在面试Java开发者时可能会关注以下几个方面的问题: 1. **基础技能**:Java语言的核心语法、异常处理、内存管理、集合框架、IO操作等是否熟练掌握。 2. **面向对象编程**:多态、封装、继承的理解和应用,可能会涉及设计模式的提问。 3. **并发编程**:Java并发API(synchronized、volatile、Future、ExecutorService等)的使用,以及对并发模型(线程池、并发容器等)的理解。 4. **框架知识**:Spring Boot、MyBatis、Redis等常用框架的原理和使用经验。 5. **数据库相
recommend-type

微信行业发展现状及未来发展趋势分析

微信行业发展现状及未来行业发展趋势分析 微信作为移动互联网的基础设施,已经成为流量枢纽,月活跃账户达到10.4亿,同增10.9%,是全国用户量最多的手机App。微信的活跃账户从2012年起步月活用户仅为5900万人左右,伴随中国移动互联网进程的不断推进,微信的活跃账户一直维持稳步增长,在2014-2017年年末分别达到5亿月活、6.97亿月活、8.89亿月活和9.89亿月活。 微信月活发展历程显示,微信的用户数量增长已经开始呈现乏力趋势。微信在2018年3月日活达到6.89亿人,同比增长5.5%,环比上个月增长1.7%。微信的日活同比增速下滑至20%以下,并在2017年年底下滑至7.7%左右。微信DAU/MAU的比例也一直较为稳定,从2016年以来一直维持75%-80%左右的比例,用户的粘性极强,继续提升的空间并不大。 微信作为流量枢纽,已经成为移动互联网的基础设施,月活跃账户达到10.4亿,同增10.9%,是全国用户量最多的手机App。微信的活跃账户从2012年起步月活用户仅为5900万人左右,伴随中国移动互联网进程的不断推进,微信的活跃账户一直维持稳步增长,在2014-2017年年末分别达到5亿月活、6.97亿月活、8.89亿月活和9.89亿月活。 微信的用户数量增长已经开始呈现乏力趋势,这是因为微信自身也在重新寻求新的增长点。微信日活发展历程显示,微信的用户数量增长已经开始呈现乏力趋势。微信在2018年3月日活达到6.89亿人,同比增长5.5%,环比上个月增长1.7%。微信的日活同比增速下滑至20%以下,并在2017年年底下滑至7.7%左右。 微信DAU/MAU的比例也一直较为稳定,从2016年以来一直维持75%-80%左右的比例,用户的粘性极强,继续提升的空间并不大。因此,在整体用户数量开始触达天花板的时候,微信自身也在重新寻求新的增长点。 中国的整体移动互联网人均单日使用时长已经较高水平。18Q1中国移动互联网的月度总时长达到了77千亿分钟,环比17Q4增长了14%,单人日均使用时长达到了273分钟,环比17Q4增长了15%。而根据抽样统计,社交始终占据用户时长的最大一部分。2018年3月份,社交软件占据移动互联网35%左右的时长,相比2015年减少了约10pct,但仍然是移动互联网当中最大的时长占据者。 争夺社交软件份额的主要系娱乐类App,目前占比达到约32%左右。移动端的流量时长分布远比PC端更加集中,通常认为“搜索下載”和“网站导航”为PC时代的流量枢纽,但根据统计,搜索的用户量约为4.5亿,为各类应用最高,但其时长占比约为5%左右,落后于网络视频的13%左右位于第二名。PC时代的网络社交时长占比约为4%-5%,基本与搜索相当,但其流量分发能力远弱于搜索。 微信作为移动互联网的基础设施,已经成为流量枢纽,月活跃账户达到10.4亿,同增10.9%,是全国用户量最多的手机App。微信的活跃账户从2012年起步月活用户仅为5900万人左右,伴随中国移动互联网进程的不断推进,微信的活跃账户一直维持稳步增长,在2014-2017年年末分别达到5亿月活、6.97亿月活、8.89亿月活和9.89亿月活。 微信的用户数量增长已经开始呈现乏力趋势,这是因为微信自身也在重新寻求新的增长点。微信日活发展历程显示,微信的用户数量增长已经开始呈现乏力趋势。微信在2018年3月日活达到6.89亿人,同比增长5.5%,环比上个月增长1.7%。微信的日活同比增速下滑至20%以下,并在2017年年底下滑至7.7%左右。 微信DAU/MAU的比例也一直较为稳定,从2016年以来一直维持75%-80%左右的比例,用户的粘性极强,继续提升的空间并不大。因此,在整体用户数量开始触达天花板的时候,微信自身也在重新寻求新的增长点。 微信作为移动互联网的基础设施,已经成为流量枢纽,月活跃账户达到10.4亿,同增10.9%,是全国用户量最多的手机App。微信的活跃账户从2012年起步月活用户仅为5900万人左右,伴随中国移动互联网进程的不断推进,微信的活跃账户一直维持稳步增长,在2014-2017年年末分别达到5亿月活、6.97亿月活、8.89亿月活和9.89亿月活。 微信的用户数量增长已经开始呈现乏力趋势,这是因为微信自身也在重新寻求新的增长点。微信日活发展历程显示,微信的用户数量增长已经开始呈现乏力趋势。微信在2018年3月日活达到6.89亿人,同比增长5.5%,环比上个月增长1.7%。微信的日活同比增速下滑至20%以下,并在2017年年底下滑至7.7%左右。 微信DAU/MAU的比例也一直较为稳定,从2016年以来一直维持75%-80%左右的比例,用户的粘性极强,继续提升的空间并不大。因此,在整体用户数量开始触达天花板的时候,微信自身也在重新寻求新的增长点。 微信作为移动互联网的基础设施,已经成为流量枢纽,月活跃账户达到10.4亿,同增10.9%,是全国用户量最多的手机App。微信的活跃账户从2012年起步月活用户仅为5900万人左右,伴随中国移动互联网进程的不断推进,微信的活跃账户一直维持稳步增长,在2014-2017年年末分别达到5亿月活、6.97亿月活、8.89亿月活和9.89亿月活。 微信的用户数量增长已经开始呈现乏力趋势,这是因为微信自身也在重新寻求新的增长点。微信日活发展历程显示,微信的用户数量增长已经开始呈现乏力趋势。微信在2018年3月日活达到6.89亿人,同比增长5.5%,环比上个月增长1.7%。微信的日活同比增速下滑至20%以下,并在2017年年底下滑至7.7%左右。 微信DAU/MAU的比例也一直较为稳定,从2016年以来一直维持75%-80%左右的比例,用户的粘性极强,继续提升的空间并不大。因此,在整体用户数量开始触达天花板的时候,微信自身也在重新寻求新的增长点。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

【基础】安装MySQL:从下载到配置的完整指南

![python数据库编程合集](https://opengraph.githubassets.com/f5c38590c64cc0ea56ef235eff4fb5d5675e3c699a36ce388d1ffc280bd77681/mongodb/mongo-python-driver) # 1. MySQL数据库简介 MySQL是一种开源的关系型数据库管理系统(RDBMS),因其高性能、可扩展性和易用性而闻名。它广泛应用于各种规模的应用程序,从小型网站到大型企业系统。 MySQL使用结构化查询语言(SQL)来管理数据。SQL是一种标准化语言,允许用户通过简单的命令创建、读取、更新和删除
recommend-type

# 请根据注释在下面补充你的代码实现knn算法的过程 # ********** Begin ********** # # 对ndarray数组进行遍历

K-Nearest Neighbors (KNN) 算法是一种基于实例的学习方法,用于分类和回归分析。在代码中,实现KNN的基本步骤如下: ```python # 导入必要的库 import numpy as np from collections import Counter # 假设我们有一个训练数据集 X_train 和对应的标签 y_train X_train = ... # (n_samples, n_features) y_train = ... # (n_samples) # KNN函数实现 def knn_k(X_test, k, X_train, y_train):