【数据结构】树：哈夫曼树（Huffman Tree，也称哈弗曼、赫夫曼树）、哈夫曼编码解析与实现（c++）

痛定思痛。 2021-12-04 01:01 298阅读 0赞

\#笔记整理

**树的定义参照前文：**  
[二叉树、遍历二叉树与线索二叉树等树的定义与解析、二叉树遍历实现][Link 1]

## 哈夫曼树（也称赫夫曼树） ##

#### 相关概念： ####

**① 路径长度**  
从树中一个结点到另一个结点之间的分支（树枝）构成这两个结点之间的路径， 路径上的分支（树枝）数目称做**路径长度**。

**② 树的路径长度**  
从树根到每一结点的路径长度之和（所有结点到根的路径长度的和）。

**③ 结点的权和带权路径长度**  
给树的每个结点赋予一个具有某种实际意义的实数，我们称该实数为这个结点的权。  
在树形结构中，我们把从**树根**到**某一结点**的路径长度与该结点的**权**的**乘积**，叫做该结点的**带权路径长度(Weighted Path Length of Tree，WPL)**。

**④ 二叉树的带权路径长度**  
设二叉树具有n个带权值的**叶子结点**，那么从根结点到各个**叶子结点的路径长度**与相应**叶子结点权值**的**乘积**的**和**,叫做**二叉树的带权路径长度**。

#### 哈夫曼树(最优二叉树) ####

具有最小带权路径长度的**二叉树**称为**哈夫曼树**。  
如下图 ( c )  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9zdGV2ZS5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70]

#### 构建哈夫曼树（哈夫曼算法） ####

1.  由给定的n个权值 W 1 , W 2 , . . . , W n \{W1,W2,...,Wn\} W1,W2,...,Wn,构造 n 棵只有一个结点的二叉树，从而得到一个二叉树的集合 F = T 1 , T 2 , . . . , T n F=\{T1,T2,...,Tn\} F=T1,T2,...,Tn;
2.  在F中选取根结点的权值最小和次小的两棵二叉树作为左、右子树构造一棵新的二叉树，这棵新的二叉树根结点的权值为其左、右子树根结点权值之和;
3.  在集合F中删除作为左、右子树的两棵二叉树,并将新建立的二叉树加入到集合F中;
4.  重复(2)、(3)两步，当F中只剩下一棵二叉树时，这棵二叉树便是所要建立的赫夫曼树。

示例：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9zdGV2ZS5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 1]

哈夫曼树中没有度为 1 的结点（可称为严格的（或正则的）二叉树），因此一棵有 n 个叶子节点的哈夫曼树一共有 2n - 1 个结点，可以存储在一个大小为 2n - 1 的一维数组中。

**算法实现：**

// 创建哈夫曼树 hTree
    void createHuffTree(vector<HuffTreeNode> &hTree){
        
        int n, s1, s2, len;
        char c;     // 字符
        int weight; // 字符权值
    
        cout << "请输入字符集大小（即叶子数）：" << endl;
        cin >> n;
        len = 2 * n - 1;  // 哈夫曼树的结点数
        hTree.resize(len);
        cout << n << "个字符及其的权值是：(输入格式如：a1 b5 d23，空格分隔)" << endl;
        for(int i = 0; i < n; i++){
        
            cin >> c >> weight;
            hTree[i].data   = c;
            hTree[i].weight = weight;
            hTree[i].parent = -1;
            hTree[i].left   = -1;
            hTree[i].right  = -1;
        }
        for(int i = n; i < len; i++){
        
            hTree[i].parent = -1;                                   // vector中的其余结点的双亲域初始化为 -1
        }
        cout << endl << "------------------开始创建哈夫曼树------------------" << endl << endl;
        for(int i = n; i < len; i++){
                                       // 创建哈夫曼树
            select(hTree, i, s1, s2);                               // 选出当前没有双亲的最小和次小的结点
            hTree[s1].parent = hTree[s2].parent = i;                // 设置当前 i 为选出的结点的双亲结点
            hTree[i].left    = s1;                                  // 设置结点 i 的左右孩子
            hTree[i].right   = s2;
            hTree[i].weight  = hTree[s1].weight + hTree[s2].weight; // 双亲结点的权值为两孩子结点权值之和
        }
        cout << "------------------哈夫曼树创建完成------------------" << endl;
    }
    
    
    // 返回哈夫曼树前 i 个结点中权值最小和次小的两棵树的根结点序号 s1 和 s2，并创建该俩结点的双亲结点
    void select(vector<HuffTreeNode> &hTree, int i, int &s1, int &s2){
        
        int j, m;
        for(j = 0; j < i && hTree[j].parent != -1; j++);                           // 找到第一个可能的根结点
        s1 = j;
        for(j = s1 + 1; j < i && hTree[j].parent != -1; j++);                      // 找到第二个可能的根结点
        s2 = j;
        if(hTree[s1].weight > hTree[s2].weight){
                                           // 若第二个结点的权值小于第一个结点，交换俩结点
            int temp = s1;
            s1 = s2;
            s2 = temp;
        }
        for(m = j + 1; m < i; m++){
        
            if(hTree[m].parent == -1 && hTree[m].weight < hTree[s1].weight){
                // 若还有比 s1 的权值更小的结点，交换 s1、s2和m
                s2 = s1;
                s1 = m;
            }else if(hTree[m].parent == -1 && hTree[m].weight < hTree[s2].weight){
          // 若还有只比 s2 的权值小的结点，只需交换 s2 和 m
                s2 = m;
            }
        }
    }

### 哈夫曼编码（也称赫夫曼编码） ###

相关概念：  
前缀编码：任一字符的编码都不是另一个字符的编码的前缀。  
使用前缀编码能设计出长短不等的编码。  
如：  
a：000  
b：001  
c：01  
d：1  
编码对应的哈夫曼树：  
![在这里插入图片描述][20190719125535940.png]  
在进行数据通讯时，涉及数据编码问题。所谓数据编码就是将信息原文转换为二进制字符串，译码则是将信息的编码形式转换为原文。  
常规的编码会让转换成的二进制序列很长，因为每个字符对应的二进制值长度几乎都是固定的，因此需要使用哈夫曼编码来进行改进，哈夫曼编码能根据字符出现的频率（即权值）来生成每个字符所对应的二进制值，频率越高二进制值长度越短，这样最终哈夫曼编码的编码结果就比常规编码要短很多，从而达到了数据压缩的效果。

**哈夫曼编码：** 设需要编码的字符集为  c 1 , c 2 , … , c n \{c\_1, c\_2, … , c\_n\} c1,c2,…,cn ，各个字符在电文中出现的次数或频率集合为  w 1 , w 2 , … , w n \{w\_1, w\_2, …, w\_n\} w1,w2,…,wn ，以  c 1 , c 2 , … , c n c\_1, c\_2, …, c\_n c1,c2,…,cn作为叶子结点，以  w 1 , w 2 , … , w n w\_1, w\_2, …, w\_n w1,w2,…,wn 作为叶子结点的权值，来构造一棵哈夫曼树。规定哈夫曼树的左分支代表 0，右分支代表 1，则从根结点到叶子结点所经过的路径分支组成的 0 和 1 的序列，便是该结点对应字符的编码，这就是哈夫曼编码。  
算法实现：

// 从根到叶子，求每一个字符的哈夫曼编码
    // hTree：建好的哈夫曼树， n : 叶子结点数
    void huffmanCodingLeaf(vector<HuffTreeNode> &hTree, int n){
        
        string str = "";
        string *hCode = new string[n];              // 分配 n 个字符串数组，用于存放每个字符的编码
        assert(hCode != NULL);
        vector<int> nodeStatus(hTree.size(), 0);    // 哈夫曼树中每个结点的状态容器，初始为0，表示左右孩子未被访问过
    
        int i = hTree.size() - 1;                   // i 指向根结点
        while(i >= 0){
        
            if(nodeStatus[i] == 0){
                         // 当前结点的左右孩子都未被访问过
                nodeStatus[i] = 1;                  // 从左孩子开始，1 表示左孩子已被访问
                if(hTree[i].left > -1){
                     // 有左孩子
                    i = hTree[i].left;
                    str += '0';                     // 在尾部添加编码 0
                }else{
                                      // 没有左孩子，即为叶子结点
                    hCode[i] = str;                 // 该字符编码结束，存储该字符的编码
                    i = hTree[i].parent;            // 退回该字符的父结点
                    str.erase(str.size() - 1, 1);   // 初始化 str
                }
            }else if(nodeStatus[i] == 1){
                   // 左孩子已访问过，右孩子不曾被访问
                nodeStatus[i] = 2;                  // 左右孩子都被访问过的标志
                i = hTree[i].right;
                str += '1';                         // 串尾追加编码1
            }else{
                                          // 左右孩子都被访问过
                i = hTree[i].parent;
                if(i >= 0){
                                 // 根结点没有父结点，不加此判断会产生访问越界错误
                   str.erase(str.size() - 1, 1);    // 初始化字符串
                }
            }
    
        }
        cout << endl << "-----------------------编码完成---------------------" << endl << endl;
        cout << "每个字符的编码为：" << endl;
        for(int j = 0; j < n; j++){
        
            cout << hTree[j].data << " : " <<  hCode[j] << endl;
        }
        delete[] hCode;
    }

查看源码与其中的注释，或许更容易理解  
**[github源码][github]**

**实现结果：**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9zdGV2ZS5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 2]

整理与总结的时候翻到了自己2014年写的哈夫曼编译器，当时还是大二，哈夫曼编译器是老师布置的一项作业，重新看了一下当时写的代码和作业报告，心里不由得微微一笑，看到了自己当初的稚嫩。报告如下图，整个编译器源码也已上传到github上了，我只添加了一点注释，其他原封未动，仅留作纪念。（当时的报告竟然叫实习报告，也是挺好笑的哈哈）

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9zdGV2ZS5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 3]

[github][github 1]

部分内容来源：

1.  《数据结构（C语言版）》----严蔚敏
2.  《数据结构》课堂教学ppt ---- 刘立芳
3.  《数据结构算法与解析（STL版）》 ---- 高一凡

[Link 1]: https://blog.csdn.net/yohjob/article/details/95644144
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9zdGV2ZS5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70]: /images/20211203/c7d92eb42fc24061a96dbce53fd6fc77.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9zdGV2ZS5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 1]: /images/20211203/d96178d0f25041d2a3307a66fcc08c5e.png
[20190719125535940.png]: /images/20211203/0b389fcab51246b79c0046e8f1453f0a.png
[github]: https://github.com/yohstone/data-structure/blob/master/huffman_coding.cpp
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9zdGV2ZS5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 2]: /images/20211203/7616927c7cc548b380c916217df24d66.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9zdGV2ZS5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 3]: /images/20211203/841b6df4618d4cf9a9170f9c249f479b.png
[github 1]: https://github.com/yohstone/data-structure/blob/master/huffman%20compiler.rar