首先看定义
哈夫曼编码(Huffman Coding)，又称霍夫曼编码，是一种编码方式，哈夫曼编码是可变字长编码(VLC)的一种。Huffman于1952年提出一种编码方法，该方法完全依据字符出现概率来构造异字头的平均长度最短的码字，有时称之为最佳编码，一般就叫做Huffman编码(有时也称为霍夫曼编码)。
我们来看具体步骤
1. 制备每个字符的概率表
输入是存放字符的txt文本
输出以python字典的形式给出每个字符的概率，就是出现的次数：
代码如下
def findTheFrequency(text):
result=dict()
with open(text,'r') as f:
for line in f.readlines():
line = line.lower()
for i in line:
if i.isalpha():
if i in result:
result[i]+=1
else:
result.update({i:1})
return result
text="GreA3_Huffman_origin.txt"
result=findTheFrequency(text)
2. 创建Huffman数
首先定义一个节点的类，包含名称，概率，左孩子和右孩子
输入的是上一步输出的概率表
输出的是Huffman树的根节点，因为只要知道根节点，其实整棵树的信息就都知道了
代码如下：
class Node:
def __init__(self):
self.frequency=0
self.name=None
self.lchild=None
self.rchild=None
self.code=None
def __lt__(self,other):
return self.frequency
# establish the Huffman Tree
def estblishHuffmanTree(info_dict):
#output: the base node
node_list=[]
for i in info_dict:
a = Node()
a.frequency=info_dict[I]
a.name=I
node_list.append(a)
while len(node_list)>1:
node_list.sort(reverse=True)
node_1 = node_list.pop()
node_2 = node_list.pop()
new_node = Node()
new_node.frequency=node_1.frequency+node_2.frequency
new_node.lchild=node_1
new_node.rchild=node_2
node_list.append(new_node)
return new_node
base_node = estblishHuffmanTree(result)
3. 根据Huffman树进行编码
输入的是上一步输出的根节点以及原始文档
输出的是编码后的字典和结束后的文档
注意编码的过程中采用了回溯法的思想
代码如下：
def encode(node,rst_dict,code):
if node.name:
rst_dict.update({node.name:code})
return
code+='0'
encode(node.lchild,rst_dict,code)
code = code[:-1]
code+='1'
encode(node.rchild,rst_dict,code)
return rst_dict
code_dict=encode(base_node,{},'')
code_text="GreA3_Huffman_code.txt"
def encode_text(code_dict,text,code_text):
string=''
with open(text,'r') as f:
for line in f.readlines():
line=line.lower()
for i in line:
if i.isalpha():
string+=code_dict[I]
else:
string+='\n'
with open(code_text,'w') as f:
f.write(string)
encode_text(code_dict,text,code_text)
4. 解码
就是根据编号的码返回文本
代码如下：
def decode(text_addtedd,result_address,base_node):
text_string=''
a=base_node
with open(text_addtedd,'r') as f:
for line in f.readlines():
for i in line:
if i=='0':
b=a.lchild
if b.name:
text_string+=b.name
a=base_node
else:
a = b
elif i=='1':
b=a.rchild
if b.name:
text_string+=b.name
a=base_node
else:
a = b
else:
text_string+='\n'
with open(result_address,'w') as f:
f.write(text_string)
result_address="GreA3_Huffman_result.txt"
decode(code_text,result_address,base_node)
