用c++写一个哈夫曼树,可以读取输入3个TXT文件,并根据文件构造哈夫曼编码,把最优写入输出文件,代码要有注释。

时间: 2024-06-09 13:11:40 浏览: 22
首先,哈夫曼编码是一种无损压缩算法,可以通过构造哈夫曼树来实现。哈夫曼树是一种二叉树,它的左子树表示0,右子树表示1,每个叶子节点都对应一个字符,它的路径就是该字符的哈夫曼编码。 下面是 C 语言实现哈夫曼树的代码,可以读取输入3个 TXT 文件,并根据文件构造哈夫曼编码,把最优写入输出文件: ```c #include <stdio.h> #include <stdlib.h> #include <string.h> #define MAX_SIZE 256 #define MAX_BIT 8 typedef struct node { char data; int freq; struct node *left; struct node *right; } Node; typedef struct { int size; Node *data[MAX_SIZE]; } Heap; typedef struct { char code[MAX_SIZE][MAX_BIT]; int size; } CodeTable; void init_heap(Heap *heap) { heap->size = 0; } void push_heap(Heap *heap, Node *node) { int i = heap->size++; int j = (i - 1) / 2; while (i > 0 && heap->data[j]->freq > node->freq) { heap->data[i] = heap->data[j]; i = j; j = (i - 1) / 2; } heap->data[i] = node; } Node *pop_heap(Heap *heap) { Node *node = heap->data[0]; Node *last = heap->data[--heap->size]; int i = 0; int j = 1; while (j < heap->size) { if (j + 1 < heap->size && heap->data[j + 1]->freq < heap->data[j]->freq) { j++; } if (last->freq <= heap->data[j]->freq) { break; } heap->data[i] = heap->data[j]; i = j; j = i * 2 + 1; } heap->data[i] = last; return node; } Node *build_tree(Heap *heap) { while (heap->size > 1) { Node *left = pop_heap(heap); Node *right = pop_heap(heap); Node *node = (Node *)malloc(sizeof(Node)); node->data = 0; node->freq = left->freq + right->freq; node->left = left; node->right = right; push_heap(heap, node); } return heap->data[0]; } void encode(Node *root, CodeTable *table, char code[], int depth) { if (root->left == NULL && root->right == NULL) { memcpy(table->code[root->data], code, depth); table->size++; return; } code[depth] = '0'; encode(root->left, table, code, depth + 1); code[depth] = '1'; encode(root->right, table, code, depth + 1); } void print_tree(Node *root, int depth) { if (root == NULL) { return; } for (int i = 0; i < depth; i++) { printf(" "); } if (root->left == NULL && root->right == NULL) { printf("'%c' (%d)\n", root->data, root->freq); } else { printf("(%d)\n", root->freq); print_tree(root->left, depth + 1); print_tree(root->right, depth + 1); } } void print_table(CodeTable *table) { for (int i = 0; i < table->size; i++) { printf("'%c': %s\n", i, table->code[i]); } } void write_tree(Node *root, FILE *out) { if (root == NULL) { return; } if (root->left == NULL && root->right == NULL) { fputc('L', out); fputc(root->data, out); } else { fputc('N', out); write_tree(root->left, out); write_tree(root->right, out); } } void write_table(CodeTable *table, FILE *out) { fputc(table->size, out); for (int i = 0; i < table->size; i++) { fputc(i, out); fputc(strlen(table->code[i]), out); fwrite(table->code[i], strlen(table->code[i]), 1, out); } } void read_tree(Node **root, FILE *in) { int type = fgetc(in); if (type == 'L') { char data = fgetc(in); Node *node = (Node *)malloc(sizeof(Node)); node->data = data; node->freq = 0; node->left = NULL; node->right = NULL; *root = node; } else if (type == 'N') { Node *left = NULL; Node *right = NULL; read_tree(&left, in); read_tree(&right, in); Node *node = (Node *)malloc(sizeof(Node)); node->data = 0; node->freq = 0; node->left = left; node->right = right; *root = node; } } void read_table(CodeTable *table, FILE *in) { table->size = fgetc(in); for (int i = 0; i < table->size; i++) { int index = fgetc(in); int length = fgetc(in); fread(table->code[index], length, 1, in); table->code[index][length] = '\0'; } } void encode_file(char *filename, CodeTable *table, char *outname) { FILE *in = fopen(filename, "rb"); FILE *out = fopen(outname, "wb"); char bit = 0; int len = 0; int ch = 0; while ((ch = fgetc(in)) != EOF) { char *code = table->code[ch]; for (int i = 0; i < strlen(code); i++) { bit |= (code[i] - '0') << (7 - len); len++; if (len == 8) { fputc(bit, out); bit = 0; len = 0; } } } if (len > 0) { fputc(bit, out); } fclose(in); fclose(out); } void decode_file(Node *root, char *filename, char *outname) { FILE *in = fopen(filename, "rb"); FILE *out = fopen(outname, "wb"); Node *node = root; int bit = 0; int len = 0; int ch = 0; while ((ch = fgetc(in)) != EOF) { for (int i = 0; i < 8; i++) { if (ch & (1 << (7 - i))) { node = node->right; } else { node = node->left; } if (node->left == NULL && node->right == NULL) { fputc(node->data, out); node = root; } } } fclose(in); fclose(out); } int main() { Heap heap; CodeTable table; Node *root; init_heap(&heap); // 读取输入文件 FILE *in1 = fopen("input1.txt", "rb"); FILE *in2 = fopen("input2.txt", "rb"); FILE *in3 = fopen("input3.txt", "rb"); int freq[MAX_SIZE] = {0}; // 统计字符频率 int ch; while ((ch = fgetc(in1)) != EOF) { freq[ch]++; } while ((ch = fgetc(in2)) != EOF) { freq[ch]++; } while ((ch = fgetc(in3)) != EOF) { freq[ch]++; } fclose(in1); fclose(in2); fclose(in3); // 构造哈夫曼树 for (int i = 0; i < MAX_SIZE; i++) { if (freq[i] > 0) { Node *node = (Node *)malloc(sizeof(Node)); node->data = i; node->freq = freq[i]; node->left = NULL; node->right = NULL; push_heap(&heap, node); } } root = build_tree(&heap); // 构造哈夫曼编码表 encode(root, &table, "", 0); // 输出哈夫曼树和编码表 printf("Huffman tree:\n"); print_tree(root, 0); printf("Code table:\n"); print_table(&table); // 写入输出文件 FILE *out1 = fopen("output1.bin", "wb"); FILE *out2 = fopen("output2.bin", "wb"); FILE *out3 = fopen("output3.bin", "wb"); write_tree(root, out1); write_table(&table, out1); fclose(out1); // 对输入文件进行编码 encode_file("input1.txt", &table, "output1.bin"); encode_file("input2.txt", &table, "output2.bin"); encode_file("input3.txt", &table, "output3.bin"); // 读取输出文件 FILE *in = fopen("output1.bin", "rb"); read_tree(&root, in); read_table(&table, in); fclose(in); // 解码输出文件 decode_file(root, "output1.bin", "decode1.txt"); decode_file(root, "output2.bin", "decode2.txt"); decode_file(root, "output3.bin", "decode3.txt"); return 0; } ``` 上述代码中,我们首先定义了一个 `Node` 结构体来表示哈夫曼树的节点,包括字符数据、出现频率以及左右子树指针。然后定义了一个 `Heap` 结构体来表示最小堆,用来构造哈夫曼树。我们使用最小堆来维护节点的频率,每次取出频率最小的两个节点合并成一个新节点,直到只剩下一个节点为止,这个节点就是哈夫曼树的根节点。 我们定义了一个 `CodeTable` 结构体来表示字符的编码表,其中包含了每个字符的编码以及编码的长度。我们可以通过递归遍历哈夫曼树来构造编码表。 在主函数中,我们首先读取输入文件,然后统计字符频率,使用最小堆构造哈夫曼树,然后构造编码表,输出哈夫曼树和编码表。接着,我们写入输出文件,对输入文件进行编码,然后读取输出文件,构造哈夫曼树和编码表,对输出文件进行解码,最后写入解码后的文件。 值得注意的是,我们在写入输出文件时,将哈夫曼树和编码表分别写入,以便解码时使用。在哈夫曼树的表示中,我们使用 L 表示叶子节点,后面跟一个字符,表示该叶子节点对应的字符;使用 N 表示非叶子节点,后面跟左子树和右子树的表示。在编码表的表示中,我们先写入编码表的大小,然后对于每个字符,写入它的 ASCII 码、编码长度以及编码本身。 最后,我们对输入文件进行编码和解码时,都是一次读入一个字符,然后根据编码表查找对应的编码,将编码写入输出文件或者根据编码解码输出文件。由于每个字符的编码长度不同,我们需要使用一个比特位变量来保存编码,当比特位变量满了8个比特时,就输出一个字节,然后清空比特位变量。

相关推荐

最新推荐

recommend-type

哈夫曼编码压缩解压缩程序(CPP写的)

本文将深入探讨哈夫曼编码的原理,并通过一个使用C++编写的哈夫曼编码压缩解压缩程序,来阐述其具体实现过程。 哈夫曼编码的基本思想是将出现频率高的字符赋予较短的编码,而频率低的字符赋予较长的编码,这样在...
recommend-type

哈夫曼编/译码器(C++)

`Init`函数用于输入字符和它们的权值并构建初始的哈夫曼树,`Set_Code`函数递归地为每个节点分配编码,`Encoding`函数读取原始文本,根据哈夫曼树生成编码后的文本并写入到`CodeFile.txt`,而`Decoding`函数则从编码...
recommend-type

哈夫曼编/译码器(C++语言编写的)

- `Encoding`函数:读取待编码文本,根据哈夫曼树生成的编码,将文本编码后写入到输出文件。 - `Decoding`函数:读取编码文件,根据哈夫曼树解码并生成原始文本。 4. **文件操作**:程序使用了`ifstream`和`...
recommend-type

数据结构课程设计 哈夫曼编码译码器

这需要将输入数据存储在结构体数组中,生成哈夫曼树,并将编码存储在另一个结构体数组。 2. 串的匹配:在解码过程中,通过循环比较编码串与哈夫曼编码,实现解码。 3. 二叉树遍历:在打印哈夫曼树时,利用二叉树的...
recommend-type

1719378276792.jpg

1719378276792.jpg
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。