java实现赫夫曼编码

悠悠 2024-04-20 10:21 5阅读 0赞

# 一、基本介绍 #

1.  赫夫曼编码也翻译为 哈夫曼编码(Huffman Coding)，又称霍夫曼编码，是一种编码方式, 属于一种程序算法
2.  赫夫曼编码是赫哈夫曼树在电讯通信中的经典的应用之一。
3.  赫夫曼编码广泛地用于数据文件压缩。其压缩率通常在20%~90%之间
4.  赫夫曼码是可变字长编码(VLC)的一种。Huffman于1952年提出一种编码方法，称之为最佳编码

# 二、原理剖析 #

**通信领域中信息的处理方式 1-定长编码**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxMTEzNzYyMzE2MA_size_16_color_FFFFFF_t_70]  
**通信领域中信息的处理方式 2-变长编码**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxMTEzNzYyMzE2MA_size_16_color_FFFFFF_t_70 1]  
**通信领域中信息的处理方式 3-赫夫曼编码**  
**传输的字符串**

1.  i like like like java do you like a java
2.  d:1 y:1 u:1 j:2 v:2 o:2 l:4 k:4 e:4 i:5 a:5 :9 // 各个字符对应的个数
3.  按照上面字符出现的次数构建一颗赫夫曼树, 次数作为权值

**构成赫夫曼树的步骤:**

1.  从小到大进行排序, 将每一个数据，每个数据都是一个节点 ， 每个节点可以看成是一颗最简单的二叉树
2.  取出根节点权值最小的两颗二叉树
3.  组成一颗新的二叉树, 该新的二叉树的根节点的权值是前面两颗二叉树根节点权值的和
4.  再将这颗新的二叉树，以根节点的权值大小 再次排序， 不断重复 1-2-3-4 的步骤，直到数列中，所有的数据都被处理， 就得到一颗赫夫曼树  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxMTEzNzYyMzE2MA_size_16_color_FFFFFF_t_70 2]
5.  根据赫夫曼树，给各个字符,规定编码 (前缀编码)， 向左的路径为 0 向右的路径为 1 ， 编码 如下:  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxMTEzNzYyMzE2MA_size_16_color_FFFFFF_t_70 3]
6.  按照上面的赫夫曼编码，我们的"i like like like java do you like a java" 字符串对应的编码为（注意这里我们使用的是无损压缩）  
    10101001101111011110100110111101111010011011110111101000011000011100110011110000110 01111000100100100110111101111011100100001100001110 通过赫夫曼编码处理 长度为 133
7.  长度为 : 133  
    **说明:**  
    原来长度是 359 , 压缩了 (359-133) / 359 = 62.9%  
    此编码满足前缀编码, 即字符的编码都不能是其他字符编码的前缀。不会造成匹配的多义性 赫夫曼编码是无损处理方案

## 注意事项 ##

注意, 这个赫夫曼树根据排序方法不同，也可能不太一样，这样对应的赫夫曼编码也不完全一样，但是 wpl 是一样的，都是最小的, 最后生成的赫夫曼编码的长度是一样，比如: 如果我们让每次生成的新的二叉树总是排在权 值相同的二叉树的最后一个，则生成的二叉树为:  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxMTEzNzYyMzE2MA_size_16_color_FFFFFF_t_70 4]

# 三、最佳实践-数据压缩 #

## 1、创建赫夫曼树 ##

将给出的一段文本，比如 “i like like like java do you like a java” ， 根据前面的讲的赫夫曼编码原理，对其进行数 据压缩处理 ，形式如 "1010100110111101111010011011110111101001101111011110100001100001110011001111000011001111000100100100 110111101111011100100001100001110

**步骤 1:** 根据赫夫曼编码压缩数据的原理，需要创建 “i like like like java do you like a java” 对应的赫夫曼树.  
思路:前面已经分析过了，而且我们已然讲过了构建赫夫曼树的具体实现。

## 2、生成赫夫曼编码和赫夫曼编码后的数据 ##

我们已经生成了 赫夫曼树, 下面我们继续完成任务

1.  生成赫夫曼树对应的赫夫曼编码 , 如下表:  
    =01 a=100 d=11000 u=11001 e=1110 v=11011 i=101 y=11010 j=0010 k=1111 l=000 o=0011
2.  使用赫夫曼编码来生成赫夫曼编码数据 ,即按照上面的赫夫曼编码，将"i like like like java do you like a java" 字符串生成对应的编码数据, 形式如下. 10101000101111111100100010111111110010001011111111001001010011011100011100000110111010001111001010  
    \}  
    00101111111100110001001010011011100
3.  思路:前面已经分析过了，而且我们讲过了生成赫夫曼编码的具体实现。

## 3、使用赫夫曼编码解码 ##

使用赫夫曼编码来解码数据，具体要求是

1.  前面我们得到了赫夫曼编码和对应的编码  
    byte\[\] , 即:\[-88, -65, -56, -65, -56, -65, -55, 77 , -57, 6, -24, -14, -117, -4, -60, -90, 28\]
2.  现在要求使用赫夫曼编码， 进行解码，又 重新得到原来的字符串"i like like like java do you like a java"
3.  思路:解码过程，就是编码的一个逆向操作。

## 4、文件压缩 ##

我们学习了通过赫夫曼编码对一个字符串进行编码和解码, 下面我们来完成对文件的压缩和解压， 具体要求: 给你一个图片文件，要求对其进行无损压缩, 看看压缩效果如何。

1.  思路:读取文件-> 得到赫夫曼编码表 -> 完成压缩

# 四、代码 #

package huffmancode;
    
    import java.io.*;
    import java.util.*;
    
    /**
     * @program: text
     * @description: 赫夫曼编码加解密
     * @author: min
     * @create: 2019-09-20 23:21
     **/
    public class HuffmanCode {
        public static void main(String[] args) {
            //测试压缩文件
    //        String srcFile = "/Users/min/Desktop/趣店.png";
    //        String dstFile = "/Users/min/Desktop/趣店.zip"; //
    //        zipFile(srcFile, dstFile);
    //        System.out.println("压缩文件 ok~~");
    
            //测试解压文件
            String zipFile = "/Users/min/Desktop/趣店.zip";
            String dstFile = "/Users/min/Desktop/min.png";
            unZipFile(zipFile, dstFile);
            System.out.println("解压成功!");
    
    
            /*String content = "i like like like java do you like a java";
            byte[] contentBytes = content.getBytes();
            System.out.println(contentBytes.length); //40
            byte[] huffmanCodesBytes= huffmanZip(contentBytes);
            System.out.println(" 压 缩 后 的 结 果 是 :" + Arrays.toString(huffmanCodesBytes) + "长 度 = " + huffmanCodesBytes.length);
            //测试一把 byteToBitString 方法 //System.out.println(byteToBitString((byte)1));
            byte[] sourceBytes = decode(huffmanCodes, huffmanCodesBytes);
            System.out.println("原来的字符串=" + new String(sourceBytes)); // "i like like like java do you like a java"*/
    
            //如何将 数据进行解压(解码)
            //分步过程
    
            /*List<Node> nodes = getNodes(contentBytes);
            System.out.println("nodes=" + nodes);
            //测试一把，创建的赫夫曼树
            System.out.println("赫夫曼树");
            Node huffmanTreeRoot = createHuffmanTree(nodes);
            System.out.println("前序遍历");
            huffmanTreeRoot.preOrder();
            //测试一把是否生成了对应的赫夫曼编码
            Map<Byte, String> huffmanCodes = getCodes(huffmanTreeRoot);
            System.out.println("~生成的赫夫曼编码表= " + huffmanCodes);
            //测试
            byte[] huffmanCodeBytes = zip(contentBytes, huffmanCodes);
            System.out.println("huffmanCodeBytes=" + Arrays.toString(huffmanCodeBytes));//17
            //发送 huffmanCodeBytes 数组 */
        }
    
        /**
         * 完成对压缩文件的解压
         *
         * @param zipFile 准备解压的文件
         * @param dstFile 将文件解压到哪个路径
         */
        public static void unZipFile(String zipFile, String dstFile) {
            //定义文件输入流
            InputStream is = null;
            //定义一个对象输入流
            ObjectInputStream ois = null;
            //定义文件的输出流
            OutputStream os = null;
    
            try {
                //创建文件输入流
                is = new FileInputStream(zipFile);
                //创建一个和 is 关联的对象输入流
                ois = new ObjectInputStream(is);
                //读取 byte 数组 huffmanBytes
                byte[] huffmanBytes = (byte[]) ois.readObject();
                //读取赫夫曼编码表
                Map<Byte, String> huffmanCodes = (Map<Byte, String>) ois.readObject();
                //解码
                byte[] bytes = decode(huffmanCodes, huffmanBytes); //将 bytes 数组写入到目标文件
                os = new FileOutputStream(dstFile);
                //写数据到 dstFile 文件
                os.write(bytes);
            } catch (Exception e) {
                System.out.println(e.getMessage());
            } finally {
                try {
                    os.close();
                    ois.close();
                    is.close();
                } catch (Exception e2) {
                    // TODO: handle exception
                    System.out.println(e2.getMessage());
                }
            }
        }
    
        /**
         * 将一个文件进行压缩
         *
         * @param srcFile 你传入的希望压缩的文件的全路径
         * @param dstFile 我们压缩后将压缩文件放到哪个目录
         */
        public static void zipFile(String srcFile, String dstFile) {
            //创建输出流
            OutputStream os = null;
            ObjectOutputStream oos = null;
            //创建文件的输入流
            FileInputStream is = null;
    
            try {
                //创建文件的输入流
                is = new FileInputStream(srcFile);
                //创建一个和源文件大小一样的 byte[]
                byte[] b = new byte[is.available()];
                //读取文件
                is.read(b);
                //直接对源文件压缩
                byte[] huffmanBytes = huffmanZip(b);
                //创建文件的输出流, 存放压缩文件
                os = new FileOutputStream(dstFile);
                //创建一个和文件输出流关联的 ObjectOutputStream
                oos = new ObjectOutputStream(os);
                //把 赫夫曼编码后的字节数组写入压缩文件
                oos.writeObject(huffmanBytes); //我们是把
                //这里我们以对象流的方式写入 赫夫曼编码，是为了以后我们恢复源文件时使用
                //注意一定要把赫夫曼编码 写入压缩文件
                oos.writeObject(huffmanCodes);
            } catch (IOException e) {
                System.out.println(e.getMessage());
            } finally {
                try {
                    is.close();
                    oos.close();
                    os.close();
                } catch (Exception e) {
                    // TODO: handle exception
                    System.out.println(e.getMessage());
                }
            }
        }
    
        //完成数据的解压
        //思路
        //1. 将 huffmanCodeBytes [-88, -65, -56, -65, -56, -65, -55, 77, -57, 6, -24, -14, -117, -4, -60, -90, 28]
        // 重写先转成 赫夫曼编码对应的二进制的字符串 "1010100010111..."
        //2. 赫夫曼编码对应的二进制的字符串 "1010100010111..." =》 对照 赫夫曼编码 =》 "i like like like java do you like a java"
    
        /**
         * 完成对压缩数据的解码
         *
         * @param huffmanCodes 赫夫曼编码表 map
         * @param huffmanBytes 赫夫曼编码得到的字节数组
         * @return 就是原来的字符串对应的数组
         */
        private static byte[] decode(Map<Byte, String> huffmanCodes, byte[] huffmanBytes) {
            //1. 先得到 huffmanBytes 对应的 二进制的字符串 ， 形式 1010100010111...
            StringBuilder stringBuilder = new StringBuilder();
            //将 byte 数组转成二进制的字符串
            for (int i = 0; i < huffmanBytes.length; i++) {
                byte b = huffmanBytes[i]; //判断是不是最后一个字节
                boolean flag = (i == huffmanBytes.length - 1);
                stringBuilder.append(byteToBitString(!flag, b));
            }
    
            //把字符串安装指定的赫夫曼编码进行解码 //把赫夫曼编码表进行调换，因为反向查询 a->100 100->a
            Map<String, Byte> map = new HashMap<String, Byte>();
            for (Map.Entry<Byte, String> entry : huffmanCodes.entrySet()) {
                map.put(entry.getValue(), entry.getKey());
            }
    
            //创建要给集合，存放 byte
            List<Byte> list = new ArrayList<>();
            //i 可以理解成就是索引,扫描 stringBuilder
            for (int i = 0; i < stringBuilder.length(); ) {
                int count = 1; // 小的计数器
                boolean flag = true;
                Byte b = null;
                while (flag) {
                    //1010100010111...
                    //递增的取出 key 1
                    String key = stringBuilder.substring(i, i + count);//i 不动，让 count 移动，指定匹配到一个字符
                    b = map.get(key);
                    if (b == null) {//说明没有匹配到 count++;
                    } else { //匹配到
                        flag = false;
                    }
                }
                list.add(b);
                i += count;//i 直接移动到 count
            }
    
            //当 for 循环结束后，我们 list 中就存放了所有的字符 "i like like like java do you like a java"
            //把 list 中的数据放入到 byte[] 并返回
            byte b[] = new byte[list.size()];
            for (int i = 0; i < b.length; i++) {
                b[i] = list.get(i);
            }
            return b;
        }
    
        /**
         * 将一个 byte 转成一个二进制的字符串, 如果看不懂，可以参考我讲的 Java 基础 二进制的原码，反码，
         * 补码
         *
         * @param flag 标志是否需要补高位如果是 true ，表示需要补高位，如果是 false 表示不补, 如果是最后一 个字节，无需补高位
         * @param b    传入的 byte
         * @return 是该 b 对应的二进制的字符串，(注意是按补码返回)
         */
        private static String byteToBitString(boolean flag, byte b) {
            //使用变量保存 b
            int temp = b;//将 b 转成 int
            // 如果是正数我们还存在补高位
            if (flag) {
                temp |= 256; //按位与 256 1 0000 0000 | 0000 0001 =>1 0000 0001
            }
    
            String str = Integer.toBinaryString(temp); //返回的是 temp 对应的二进制的补码
            if (flag) {
                return str.substring(str.length() - 8);
            } else {
                return str;
            }
        }
    
        /**
         * @param bytes 原始的字符串对应的字节数组
         * @return 是经过 赫夫曼编码处理后的字节数组(压缩后的数组)
         */
        private static byte[] huffmanZip(byte[] bytes) {
            List<Node> nodes = getNodes(bytes);
            //根据 nodes 创建的赫夫曼树
            Node huffmanTreeRoot = createHuffmanTree(nodes);
            //对应的赫夫曼编码(根据 赫夫曼树)
            Map<Byte, String> huffmanCodes = getCodes(huffmanTreeRoot);
            //根据生成的赫夫曼编码，压缩得到压缩后的赫夫曼编码字节数组
            byte[] huffmanCodeBytes = zip(bytes, huffmanCodes);
            return huffmanCodeBytes;
        }
    
        /**
         * @param bytes        这时原始的字符串对应的 byte[]
         * @param huffmanCodes 生成的赫夫曼编码 map
         * @return 返回赫夫曼编码处理后的 byte[]
         */
        private static byte[] zip(byte[] bytes, Map<Byte, String> huffmanCodes) {
            /**
             * 举例: String content = "i like like like java do you like a java"; =》 byte[] contentBytes = content.getBytes();
             * *返回的是 字符串 "1010100010111111110010001011111111001000101111111100100101001101110001110000011011101000111100101000 101111111100110001001010011011100"
             *  => 对应的 byte[] huffmanCodeBytes ，即 8 位对应一个 byte,放入到 huffmanCodeBytes
             * huffmanCodeBytes[0] = 10101000(补码) => byte [推导 10101000=> 10101000 - 1 => 10100111(反码)=> 11011000= -88 ]
             * huffmanCodeBytes[1] = -88
             */
            //1.利用 huffmanCodes 将 bytes 转成 赫夫曼编码对应的字符串
            StringBuilder stringBuilder = new StringBuilder();
            //遍历 bytes 数组
            for (byte b : bytes) {
                stringBuilder.append(huffmanCodes.get(b));
            }
            //System.out.println("测试 stringBuilder~~~=" + stringBuilder.toString());
            //将 "1010100010111111110..." 转成 byte[]
            //统计返回 byte[] huffmanCodeBytes 长度
            //一句话 int len = (stringBuilder.length() + 7) / 8;
            int len;
            if (stringBuilder.length() % 8 == 0) {
                len = stringBuilder.length() / 8;
            } else {
                len = stringBuilder.length() / 8 + 1;
            }
            //创建 存储压缩后的 byte 数组
            byte[] huffmanCodeBytes = new byte[len];
            int index = 0;//记录是第几个 byte
            for (int i = 0; i < stringBuilder.length(); i += 8) { //因为是每 8 位对应一个 byte,所以步长 +8
                String strByte;
                if (i + 8 > stringBuilder.length()) {//不够 8 位
                    strByte = stringBuilder.substring(i);
                } else {
                    strByte = stringBuilder.substring(i, i + 8);
                }
                //将 strByte 转成一个 byte,放入到 huffmanCodeBytes
                huffmanCodeBytes[index] = (byte) Integer.parseInt(strByte, 2);
                index++;
            }
            return huffmanCodeBytes;
        }
    
        //生成赫夫曼树对应的赫夫曼编码
        //思路:
        //1. 将赫夫曼编码表存放在 Map<Byte,String> 形式
        // 生成的赫夫曼编码表{32=01, 97=100, 100=11000, 117=11001, 101=1110, 118=11011, 105=101,121=11010, 106=0010, 107=1111, 108=000, 111=0011}
        static Map<Byte, String> huffmanCodes = new HashMap<Byte, String>();
        //2. 在生成赫夫曼编码表示，需要去拼接路径, 定义一个 StringBuilder 存储某个叶子结点的路径
        static StringBuilder stringBuilder = new StringBuilder();
    
        /**
         * @param root
         * @return
         */
        private static Map<Byte, String> getCodes(Node root) {
            if (root == null) {
                return null;
            }
            //处理 root 的左子树
            getCodes(root.left, "0", stringBuilder);
            //处理 root 的右子树
            getCodes(root.right, "1", stringBuilder);
            return huffmanCodes;
        }
    
        /**
         * 功能:将传入的 node 结点的所有叶子结点的赫夫曼编码得到，并放入到 huffmanCodes 集合
         *
         * @param node          传入结点
         * @param code          路径: 左子结点是 0, 右子结点 1
         * @param stringBuilder 用于拼接路径
         */
        private static void getCodes(Node node, String code, StringBuilder stringBuilder) {
            StringBuilder stringBuilder2 = new StringBuilder(stringBuilder);
            //将 code 加入到 stringBuilder2
            stringBuilder2.append(code);
            if (node != null) { //如果 node == null 不处理
                //判断当前 node 是叶子结点还是非叶子结点
                if (node.data == null) { //非叶子结点
                    //递归处理
                    //向左递归
                    getCodes(node.left, "0", stringBuilder2); //向右递归
                    getCodes(node.right, "1", stringBuilder2);
                } else { //说明是一个叶子结点
                    // 就表示找到某个叶子结点的最后
                    huffmanCodes.put(node.data, stringBuilder2.toString());
                }
            }
        }
    
        //前序遍历的方法
        private static void preOrder(Node root) {
            if (root != null) {
                root.preOrder();
            } else {
                System.out.println("赫夫曼树为空");
            }
        }
    
        /**
         * @param bytes 接收字节数组
         * @return 返回的就是 List 形式 [Node[date=97 ,weight = 5], Node[]date=32,weight = 9]......]
         */
        private static List<Node> getNodes(byte[] bytes) {
            //1 创建一个 ArrayList
            ArrayList<Node> nodes = new ArrayList<Node>();
            //遍历 bytes , 统计 每一个 byte 出现的次数->map[key,value]
            Map<Byte, Integer> counts = new HashMap<>();
            for (byte b : bytes) {
                Integer count = counts.get(b);
                if (count == null) { // Map 还没有这个字符数据,第一次
                    counts.put(b, 1);
                } else {
                    counts.put(b, count + 1);
                }
            }
            //把每一个键值对转成一个 Node 对象，并加入到 nodes 集合 //遍历 map
            for (Map.Entry<Byte, Integer> entry : counts.entrySet()) {
                nodes.add(new Node(entry.getKey(), entry.getValue()));
            }
            return nodes;
        }
    
        //可以通过 List 创建对应的赫夫曼树
        private static Node createHuffmanTree(List<Node> nodes) {
            while (nodes.size() > 1) {
                //排序, 从小到大
                Collections.sort(nodes);
                //取出第一颗最小的二叉树
                Node leftNode = nodes.get(0);
                //取出第二颗最小的二叉树
                Node rightNode = nodes.get(1);
                //创建一颗新的二叉树,它的根节点 没有 data, 只有权值
                Node parent = new Node(null, leftNode.weight + rightNode.weight);
                parent.left = leftNode;
                parent.right = rightNode;
                //将已经处理的两颗二叉树从 nodes 删除
                nodes.remove(leftNode);
                nodes.remove(rightNode);
                //将新的二叉树，加入到 nodes
                nodes.add(parent);
            }
            //nodes 最后的结点，就是赫夫曼树的根结点
            return nodes.get(0);
        }
    }
    
    //创建 Node ,待数据和权值
    class Node implements Comparable<Node> {
        Byte data; // 存放数据(字符)本身，比如'a' => 97 ' ' => 32
        int weight; //权值, 表示字符出现的次数
        Node left;//
        Node right;
    
        public Node(Byte data, int weight) {
            this.data = data;
            this.weight = weight;
        }
    
        @Override
        public int compareTo(Node o) {
            // 从小到大排序
            return this.weight - o.weight;
        }
    
        public String toString() {
            return "Node [data = " + data + " weight=" + weight + "]";
        }
    
        //前序遍历
        public void preOrder() {
            System.out.println(this);
            if (this.left != null) {
                this.left.preOrder();
            }
            if (this.right != null) {
                this.right.preOrder();
            }
        }
    }

# 五、赫夫曼编码压缩文件注意事项 #

1.  如果文件本身就是经过压缩处理的，那么使用赫夫曼编码再压缩效率不会有明显变化, 比如视频,ppt 等等文件 \[举例压一个 .ppt\]
2.  赫夫曼编码是按字节来处理的，因此可以处理所有的文件(二进制文件、文本文件)\[举例压一个.xml文件\]
3.  如果一个文件中的内容，重复的数据不多，压缩效果也不会很明显.

转载至：尚硅谷\_韩顺平\_图解Java数据结构和算法.pdf

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxMTEzNzYyMzE2MA_size_16_color_FFFFFF_t_70]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/47813ab0b3b642e6bff56dd662c18950.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxMTEzNzYyMzE2MA_size_16_color_FFFFFF_t_70 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/dd3d4bf9db3746b6b08dc37636dc15b2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxMTEzNzYyMzE2MA_size_16_color_FFFFFF_t_70 2]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/68799d06f6d9449eac7c63b881d26ef3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxMTEzNzYyMzE2MA_size_16_color_FFFFFF_t_70 3]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/6f66cbc124254b4d8d4f492502a812c1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxMTEzNzYyMzE2MA_size_16_color_FFFFFF_t_70 4]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/9f5360a57d9c4deaae14c39e2b3b9215.png