哈夫曼编码和译码实验

哈夫曼编码和译码实验是一种基于哈夫曼树的数据压缩算法。在该实验中，首先需要构建哈夫曼树，然后根据哈夫曼树生成每个字符的编码，使得出现频率高的字符使用较短的编码，出现频率低的字符使用较长的编码。编码完成后，可以将原始数据按照编码进行压缩，从而减小数据的存储空间。在解压时，根据哈夫曼树和编码进行译码，还原出原始数据。

相关问题

哈夫曼编码和译码实验难点

哈夫曼编码和译码实验的难点主要有以下几点：

1. 构建哈夫曼树的过程需要对字符的频率进行排序，然后不断合并权值最小的两个节点，直到所有节点都被合并为一个根节点。这个过程需要使用到堆等数据结构，需要对数据结构的使用非常熟练。

2. 构建哈夫曼树后，需要对每个字符进行编码。编码的规则是：左子树为0，右子树为1。需要对哈夫曼树进行遍历，记录下每个字符的编码。这个过程需要对树的遍历非常熟练。

3. 对编码进行译码时，需要根据哈夫曼树进行解码。解码的过程是从根节点开始，根据编码的0和1不断向左或向右走，直到找到叶子节点。这个过程需要对树的遍历非常熟练。

4. 在实际应用中，哈夫曼编码和译码还需要考虑一些特殊情况，例如编码中可能存在多个字符的编码前缀相同的情况，这时需要进行特殊处理。

哈夫曼编码和译码的实验收获

哈夫曼编码是一种可变长度编码，它通过将出现频率较高的字符用较短的编码表示，出现频率较的字符用较长的编码表示，从而达到压缩数据的目的。哈夫曼编码的实验收获如下：
1. 了解哈夫曼编码的原理和实现过程，包括构建哈夫曼树、生成编码表、编码和译码等步骤。
2. 掌握如何使用Python实现哈夫曼编码和译码，包括读取文件、统计字符频率、构建哈夫曼树、生成编码表、编码和译码等操作。
3. 理解哈夫曼编码的优点和局限性，了解其他压缩算法的特点和应用场景。

以下是Python实现哈夫曼编码和译码的示例代码：

# 哈夫曼编码
import heapq
import os

class HuffmanCoding:
    def __init__(self, path):
        self.path = path
        self.heap = []
        self.codes = {}
        self.reverse_mapping = {}

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

        def __lt__(self, other):
            return self.freq < other.freq

        def __eq__(self, other):
            if(other == None):
                return False
            if(not isinstance(other, HeapNode)):
                return False
            return self.freq == other.freq

    def make_frequency_dict(self, text):
        frequency = {}
        for character in text:
            if not character in frequency:
                frequency[character] = 0
            frequency[character] += 1
        return frequency

    def make_heap(self, frequency):
        for key in frequency:
            node = self.HeapNode(key, frequency[key])
            heapq.heappush(self.heap, node)

    def merge_nodes(self):
        while(len(self.heap)>1):
            node1 = heapq.heappop(self.heap)
            node2 = heapq.heappop(self.heap)

            merged = self.HeapNode(None, node1.freq + node2.freq)
            merged.left = node1
            merged.right = node2

            heapq.heappush(self.heap, merged)

    def make_codes_helper(self, root, current_code):
        if(root == None):
            return

        if(root.char != None):
            self.codes[root.char] = current_code
            self.reverse_mapping[current_code] = root.char
            return

        self.make_codes_helper(root.left, current_code + "0")
        self.make_codes_helper(root.right, current_code + "1")

    def make_codes(self):
        root = heapq.heappop(self.heap)
        current_code = ""
        self.make_codes_helper(root, current_code)

    def get_encoded_text(self, text):
        encoded_text = ""
        for character in text:
            encoded_text += self.codes[character]
        return encoded_text

    def pad_encoded_text(self, encoded_text):
        extra_padding = 8 - len(encoded_text) % 8
        for i in range(extra_padding):
            encoded_text += "0"

        padded_info = "{0:08b}".format(extra_padding)
        encoded_text = padded_info + encoded_text
        return encoded_text

    def get_byte_array(self, padded_encoded_text):
        if(len(padded_encoded_text) % 8 != 0):
            print("Encoded text not padded properly")
            exit(0)

        b = bytearray()
        for i in range(0, len(padded_encoded_text), 8):
            byte = padded_encoded_text[i:i+8]
            b.append(int(byte, 2))
        return b

    def compress(self):
        filename, file_extension = os.path.splitext(self.path)
        output_path = filename + ".bin"

        with open(self.path, 'r+') as file, open(output_path, 'wb') as output:
            text = file.read()
            text = text.rstrip()

            frequency = self.make_frequency_dict(text)
            self.make_heap(frequency)
            self.merge_nodes()
            self.make_codes()

            encoded_text = self.get_encoded_text(text)
            padded_encoded_text = self.pad_encoded_text(encoded_text)

            b = self.get_byte_array(padded_encoded_text)
            output.write(bytes(b))

        print("Compressed")
        return output_path

    """ 哈夫曼译码 """
    def remove_padding(self, padded_encoded_text):
        padded_info = padded_encoded_text[:8]
        extra_padding = int(padded_info, 2)

        padded_encoded_text = padded_encoded_text[8:]
        encoded_text = padded_encoded_text[:-1*extra_padding]

        return encoded_text

    def decode_text(self, encoded_text):
        current_code = ""
        decoded_text = ""

        for bit in encoded_text:
            current_code += bit
            if(current_code in self.reverse_mapping):
                character = self.reverse_mapping[current_code]
                decoded_text += character
                current_code = ""

        return decoded_text

    def decompress(self, input_path):
        filename, file_extension = os.path.splitext(self.path)
        output_path = filename + "_decompressed" + ".txt"

        with open(input_path, 'rb') as file, open(output_path, 'w') as output:
            bit_string = ""

            byte = file.read(1)
            while(len(byte) > 0):
                byte = ord(byte)
                bits = bin(byte)[2:].rjust(8, '0')
                bit_string += bits
                byte = file.read(1)

            encoded_text = self.remove_padding(bit_string)

            decompressed_text = self.decode_text(encoded_text)

            output.write(decompressed_text)

        print("Decompressed")
        return output_path

# 测试
path = "test.txt"
h = HuffmanCoding(path)
output_path = h.compress()
h.decompress(output_path)