C++程序编写压缩器/解压器（长度-游程编码的压缩/解压+霍夫曼编码压缩/解压 (霍夫曼树)）

Posted 2023-04-12

输入的为本文文件（.txt），输出的为一种自定义的文件（.nz）。考虑当构成文本的字符集合为a,b,c,……,z,0,1,2,…9时，请用实例测试你的压缩/解压器。你的压缩器会不会出现抖动？（压缩后的文本比原来的还要大）。扩充构成文本的字符集合以便使它适应更一般的情况。
霍夫曼编码：根据不同符号在文本中出现的不同的频率来进行压缩编码。假设文本是由
a,u,x,z组成的字符串，若这个字符串的长度为1000，每个字符用一个字节来存储，共需1000个字节（即8000位）的空间。如果每个字符用2位二进制来编码（00=a,01=x,10=u,11=z），则用2000位二进制即可以表示1000个字符。此外，还需要一定的空间来存放编码表，可以采用如下格式来存储：
符号个数：代码1，符号1，代码2，符号2，……
符号个数及每个符号分别用8位二进制来表示，每个代码需要占用[log2(符号个数)]位二进制。因此，上例中，代码表需占用5*8+4*2=48位，压缩比为8000/2048=3.9 。利用这种编码方法，字符串aaxuaxz的压缩码为二进制串00000110000111，每个字符的编码具有相同的位数（两位）。从左到右依次从位串中取出两位，通过查编码表边可以获得原字符串，这是解压缩过程。
我们利用霍夫曼编码来实现压缩，必须：
必须获得不同字符的频率。
建立具有最小加权外部路径的二叉数（即霍夫曼树），树的外部结点用字符串中
的字符表示，外部结点的权重（weight）即为该字符出现的频率。
遍历从根到外部结点的路径得到每个字符的编码。
使用字符的编码来代替字符串中的字符。
为了方便解码，需要保存字符代码映射表或每个字符的
频率表（在保存信息为频率表的情况下，解码需要重构霍夫曼数以获得相应的编码表）。
构造霍夫曼树：首先从仅含一个外部结点的二叉树集合开始，每个外部结点代表字符串的一个不同的字符，其权重等于该字符的频率。此后不断的从集合中选择两棵具有最小权重的二叉树，并把它们合并成一棵新的二叉树，合并方法是把这两棵二叉树分别作为左右子树，然后增加一个新的根结点。新二叉树的权重为两棵子树的权重之和。这个过程一直可以持续到仅剩下一棵树为止。[二叉树的集合可以使用有序表 /优先队列（基于队列/基于堆）实现]。
编码：构造完毕霍夫曼树后，可以对从根开始到外部结点（叶子）的路径进行编码，方法是向左孩子移动时取0，向右孩子移动时取1。
对于霍夫曼编码：当文本中的字符出现的频率差别很大时，我们可以通过使用变长的编码来降低每个位串的长度。但是，怎样对使用变长编码的位串解码呢？我们可以发现：在得到的霍夫曼编码中，没有任何一个代码是另一个代码的前缀。因此与编码向匹配的实际的字符是唯一的。请用实现这样的变长策略，并验证它。

参考技术A 你在问什么？没有问号！追问

就是帮忙写这个程序啊

在 MSVC 中压缩后可能的数据损坏？ (C++)

【中文标题】在 MSVC 中压缩后可能的数据损坏？ (C++)

【英文标题】：Possible Data corruption after compression in MSVC? (C++)

【发布时间】：2014-01-17 06:14:04

【问题描述】：

我对 C++ 有点陌生，并且正在玩弄基本的压缩。我在 MSVC（Windows 7，编译为 32 位控制台程序）中编写了下面的程序，它将具有 4 个可能值的 char 数组压缩为一个字节。我已经包含了代码行来检查中间二进制值。

（以下代码很长，请见谅，唯一包含的是iostream）

程序运行时：

ABCD转换为11100100，根据我的编码表是正确的。 这会在我的系统上转换为 ASCII ý。

但是，解码后，ý 变为 11101100，解码为“ADCD”！我已经尝试了其他一些起始数组，并且损坏似乎只发生在数组中的第二个字符是“B”，然后它被更改为“D”时，或者如果有一个全是“B”的字符串"s，当备用的 "B" 变为 "D" 时。当放置在其他位置时，“B”不会损坏。

我很困惑为什么一个位会出错，并且只针对特定的序列，如果有人能给我一些提示吗？

谢谢！

K

struct CompressedChar 
    int firstbit; 
    int secondbit; 
;


CompressedChar Encoder(char baseinput)

CompressedChar bitoutput;

switch (baseinput)
    
    case 'A':
        bitoutput.firstbit = 0;
        bitoutput.secondbit = 0;
        break;
    case 'B':
        bitoutput.firstbit = 1;
        bitoutput.secondbit = 0;
        break;
    case 'C':
        bitoutput.firstbit = 0;
        bitoutput.secondbit = 1;
        break;
    case 'D':
        bitoutput.firstbit = 1;
        bitoutput.secondbit = 1;
        break;

       

return bitoutput;



char Decoder(int firstbit, int secondbit)

if (firstbit == 0)

    if (secondbit == 0)
        return 'A';
    else if (secondbit == 1)
        return 'C';


else if (firstbit == 1)

    if (secondbit == 0)
        return 'B';
    else if (secondbit = 1)
        return 'D';


return '0';


int main()

char a[4] = 'A', 'B', 'C', 'D';

char output;


for (int i = 0; i < 8; i += 2)

    CompressedChar bitoutput;

    bitoutput = Encoder(a[(i/2)]);

    std::cout << bitoutput.firstbit;
    std::cout << bitoutput.secondbit;

    if (bitoutput.firstbit == 1)
         output |= (1 << i); 
    else if (bitoutput.firstbit == 0)
         output &= ~(1 << i);

    if (bitoutput.secondbit == 1)
         output |= (1 << (i + 1) ); 
    else if (bitoutput.firstbit == 0)
         output &= ~(1 << (i + 1));


std::cout << std::endl << output << std::endl;

char b[4];
int temp1, temp2;

for (int i = 0; i < 8; i += 2)

    temp1 = (output >> i) & 1;
    temp2 = (output >> (i + 1)) & 1;

    std::cout<< temp1;
    std::cout<< temp2;

    b[i/2] = Decoder(temp1, temp2);
 

    std::cout<< std::endl;
for (int j = 0; j < 4; j ++)

    std::cout << b[j];


std::cout << std::endl;
return 0;

【参考方案1】：

这是因为它被初始化为 0xCC。您也可能在网上犯了一个错误，上面写着“else if (bitoutput.firstbit == 0)”应该是 secondbit。还要使输出 unsigned char 安全/清晰。

【讨论】：

谢谢！固定的！我知道我一定是做错了什么……尽管如此，我仍然不明白为什么这些错误只针对“B”字符。

这是因为它被初始化为 0xCC。您也可能在网上犯了一个错误，上面写着“else if (bitoutput.firstbit == 0)”应该是 secondbit。还要使输出 unsigned char 安全/清晰。