算法设计： 1. 从文件中读入足够长一段文字，统计其中不同字符（大约在15个不同字符）出现频度，按此频度创建哈夫曼树，并将各个字符的哈夫曼编码写入一个文件保存。 1）编写函数将上述文字按哈夫曼编码译为密码文字输出。 2）编写函数将密码文字再还原为原码输出。

算法设计中的任务包括两部分：字符频率分析和哈夫曼编码应用。

1. 字符频率统计：首先，你需要编写一个程序从输入文件中读取文本内容，然后逐个字符地统计每个字符出现的次数。你可以用Python的collections模块中的Counter类来方便地完成这个步骤。遍历完所有字符后，你会得到一个字典，键是字符，值是出现次数。

from collections import Counter

def read_and_count_chars(filename):
    with open(filename, 'r') as file:
        text = file.read()
    char_freq = Counter(text)
    return char_freq

2. 创建哈夫曼树：使用字符频率信息，可以构建哈夫曼树。一种常见做法是使用优先队列数据结构（如二叉堆），通过不断合并频率最低的两个节点，直到只剩下一个节点（即树根）。每次合并都会更新新的节点的频率并插入到队列中。

import heapq

def create_huffman_tree(freqs):
    heap = [[freq, [char, ""]] for char, freq in freqs.items()]
    heapq.heapify(heap)
    
    while len(heap) > 1:
        left = heapq.heappop(heap)
        right = heapq.heappop(heap)
        
        combined_freq = left[0] + right[0]
        combined_node = [combined_freq, []]
        combined_node[1].append(left[1])
        combined_node[1].append(right[1])
        
        heapq.heappush(heap, combined_node)
    
    root = heap[0][1]
    build_codes(root, "")
    
def build_codes(node, code):
    if isinstance(node, str):
        node_code = node
    else:
        node_code = node[1] + code
        build_codes(node[0], node_code)
        
    # 更新根节点的哈夫曼编码
    root[-1] = node_code

3. 编码与解码：接下来，你可以编写两个函数，一个是`encode_to_huffman()`用于生成每个字符的哈夫曼编码，另一个是`decode_from_huffman()`，将哈夫曼编码还原回原始字符。

def encode_to_huffman(text, huff_tree):
    encoded_text = ""
    for char in text:
        encoded_text += huff_tree[char]
    return encoded_text

def decode_from_huffman(encoded_text, huff_tree):
    decoded_text = []
    current_code = ""
    for bit in encoded_text:
        current_code += bit
        if current_code in huff_tree:
            decoded_text.append(huff_tree[current_code])
            current_code = ""
    
    return "".join(decoded_text)