课程设计---哈夫曼树的编码与解码(Java详解)

目录

一.设计任务&&要求:

二.方案设计报告:

[2.1 哈夫曼树编码&译码的设计原理:](#2.1 哈夫曼树编码&译码的设计原理:)

2.3设计目的:

2.3设计的主要过程:

2.4程序方法清单:

三.整体实现源码:

四.运行结果展示:

五.总结与反思:


一.设计任务&&要求:

题目要求:测试数据是一段任意的英文,也可以是一段完整的中文,采用哈夫曼算法进行编码,可输出对应的字符编码的解码

哈夫曼编码是一种最优变长码,即带权路径最小。这种编码有很强的应用背景,是数据压缩中的一个重要理论依据。对输入的一串文字符号实现哈夫曼编码,再对哈夫曼编码生成的代码串进行译码,输出字符串。要求完成以下功能:

1.针对给定的字符串,建立哈夫曼树。

2.生成哈夫曼编码。

3.对编码字符串译码。

二.方案设计报告:

2.1 哈夫曼树编码&译码的设计原理:

  • 哈夫曼编译码器的主要功能是先建立哈夫曼树,然后利用建好的哈夫曼树生成哈夫曼编码后进行译码。在数据通信中,通常需要将传送文字转换成由二进制字符0,1组成的二进制串,称之为编码。构建一个哈夫曼树,设定哈夫曼树中的左分支为0,右分支代表1,则从根结点到每个叶子节点所经过的路径组成的0和1的序列便为该节点对应字符的编码,称之为哈夫曼编码。最简单的二进制编码方式是等长编码。若采用不等长编码,让出现频率高的字符具有较短的编码,让出现频率低的字符具有较长的编码,这样可以有效缩短传送文字的总长度。哈夫曼树则是用于构造使编码总长最短,最节省空间成本的编码方案。

2.3设计目的:

  • (1) 巩固和加深对数据结构课程所学知识的理解,了解并掌握数据结构与算法的设计方法;

    (2) 初步掌握软件开发过程的问题分析、系统设计、程序编码、测试等基本方法和技能;

    (3) 提高综合运用所学的理论知识和方法,独立分析和解决问题的能力;

    (4) 训练用系统的观点和软件开发一般规范进行软件开发,培养软件工作者所应具备的科学的工作方法和作风;

    (5) 培养查阅资料,独立思考问题的能力。

2.3设计的主要过程:

1.哈夫曼树叶子节点的创建

叶子节点需要存储字符,及其出现的频率,指向左右子树的指针和将来字符所编码成的二进制数字。这里用一个静态内部来来初始化树的叶子节点:

java 复制代码
  //用一个静态内部类来初始化树的节点
    static class Node{
        char ch;     //记录字符
        int freq;    //统计每个字符出现的频次
        Node left;
        Node right;
        String code;  //编码

        public Node(char ch) {
            this.ch = ch;
        }

        public Node(int freq, Node left, Node right) {
            this.freq = freq;
            this.left = left;
            this.right = right;
        }

        //判断是否是叶子节点->哈夫曼树是满二叉树
        boolean isLeaf(){
            return left == null;
        }

        public char getCh() {
            return ch;
        }

        public void setCh(char ch) {
            this.ch = ch;
        }

        public int getFreq() {
            return freq;
        }

        public void setFreq(int freq) {
            this.freq = freq;
        }
        //重写的toString 方法只需要打印字符和其对应的频次即可
        @Override
        public String toString() {
            return "Node{" +
                    "ch=" + ch +
                    ", freq=" + freq +
                    '}';
        }
    }

2.构建哈夫曼树

构建过程:首先要统计每个字符出现的频率①.将统计了出现频率的字符,放入优先级队列中,利用优先级队列的特点,将字符按照出现的频率从小到大排序②.每次出队两个频次最低的元素,给它们找一个父亲节点③.将父亲节点放入队列中,重复②~③两个步骤④.当队列中只剩一个元素时,哈夫曼树就构建完了

java 复制代码
 //构造哈夫曼树
        //->由于这里是一个自定义的类,我们需要传入比较器,按照节点的频次进行比较
        PriorityQueue<Node> q = new PriorityQueue<>(
                //通过Comparator 的方法来获得Node节点的其中一个属性
                Comparator.comparingInt(Node::getFreq)
        );
        for(Node node : hash.values()){
            q.offer(node);
        }
        while(q.size() >= 2){
            Node x = q.poll();
            Node y = q.poll();
            int freq = x.freq + y.freq;
            q.offer(new Node(freq,x,y));
        }

3.哈夫曼编码

通过将每个叶子节点保存好的字符编码利用StringBuilder中的append()方法拼接起来后返回即可

java 复制代码
 //编码操作:
    public String encode(){
        char[] chars = str.toCharArray();
        StringBuilder sb = new StringBuilder();
        for(char c : chars){
            sb.append(hash.get(c).code);
        }
        return sb.toString();
    }

4.哈夫曼译码

从根节点开始,寻找数字对应的字符编码,如果是0向右走,如果是数字1向左走,如果没有走到头(一个字符的编码结尾),每一步数字的索引cur++,每找到一个编码字符,在将node重置为根节点,接着重个节点开始继续往下寻找,一直找到字符串末尾即可

java 复制代码
 /**
     *  从根节点开始,寻找数字对应的字符
     *  数字是0 向右走,数字是1 向左走
     *  如果没有走到头,每一步数字的索引 cur++
     *  走到头就可以 找到编码字符,再将node 重置为根节点
     * @param str
     * @return
     */
    //解码操作:
    public String decode(String str){
        char[] chars = str.toCharArray();
        StringBuilder sb = new StringBuilder();
        int cur = 0;
        Node node = root;

        while(cur < chars.length){
            if(!node.isLeaf()){//非叶子节点
                if(chars[cur] == '0'){//向左走
                    node = node.left;
                }else if(chars[cur] == '1'){//向右走
                    node =node.right;
                }
                //每走完一步 cur++;
                cur++;

                if(node.isLeaf()){
                    sb.append(node.ch);
                    //每找到一个叶子节点,就重置后再次查找,直到遍历完整个数组
                    node = root;
                }
            }
        }
        return sb.toString();
    }
  • 大致模块图:

设计流程图:

2.4程序方法清单:

①.构造哈夫曼树:public HuffmanTree(){

}//这里我选择在函数的构造方法中将哈夫曼树给先构造完

②.编码:public String encode(){};

③.解码:pulbic String decode(){};

④.找到编码,并计算其对应的bit位:private int findCode(Node node,StringBuilder code){};

⑤.打印菜单:menu(){};

⑥.测试函数:main(){};

模块展示:

三.整体实现源码:

java 复制代码
import java.util.*;

public class HuffmanTree {

    //用一个静态内部类来初始化树的节点
    static class Node{
        char ch;     //记录字符
        int freq;    //统计每个字符出现的频次
        Node left;
        Node right;
        String code;  //编码

        public Node(char ch) {
            this.ch = ch;
        }

        public Node(int freq, Node left, Node right) {
            this.freq = freq;
            this.left = left;
            this.right = right;
        }

        //判断是否是叶子节点->哈夫曼树是满二叉树
        boolean isLeaf(){
            return left == null;
        }

        public char getCh() {
            return ch;
        }

        public void setCh(char ch) {
            this.ch = ch;
        }

        public int getFreq() {
            return freq;
        }

        public void setFreq(int freq) {
            this.freq = freq;
        }
        //重写的toString 方法只需要打印字符和其对应的频次即可
        @Override
        public String toString() {
            return "Node{" +
                    "ch=" + ch +
                    ", freq=" + freq +
                    '}';
        }
    }


    String str;
    Node root;
    Map<Character,Node> hash = new HashMap<>();

    public HuffmanTree(){

    }
    public HuffmanTree(String str){
        this.str = str;
        //统计字符出现的频次
        char[] chars = str.toCharArray();
        for(char ch : chars){
            if(!hash.containsKey(ch)){
                hash.put(ch,new Node(ch));
            }
            Node node = hash.get(ch);
            node.freq++;
        }
        for(Node node : hash.values()){
            System.out.println(node);
        }
        //构造哈夫曼树
        //->由于这里是一个自定义的类,我们需要传入比较器,按照节点的频次进行比较
        PriorityQueue<Node> q = new PriorityQueue<>(
                //通过Comparator 的方法来获得Node节点的其中一个属性
                Comparator.comparingInt(Node::getFreq)
        );
        for(Node node : hash.values()){
            q.offer(node);
        }
        while(q.size() >= 2){
            Node x = q.poll();
            Node y = q.poll();
            int freq = x.freq + y.freq;
            q.offer(new Node(freq,x,y));
        }
        root = q.poll();
        //System.out.println(root);
        //计算每个字符的编码 以及其一共包含的bit位
        System.out.println("输出编码信息:");
        int sum = findCode(root,new StringBuilder());
        for(Node node : hash.values()){
            //打印节点及其编码信息
            System.out.println(node + " " + node.code);
        }
        System.out.println("总共占有的bit位是:" + sum);
    }
    //找到编码,并计算其对应的bit位
    private int findCode(Node node,StringBuilder code){
        int sum = 0;
        if(node.isLeaf()){
            //找到编码 并计算字符串编码后所占的bits
            node.code = code.toString();
            sum = node.freq * code.length();
        }else{
            sum += findCode(node.left,code.append("0"));
            code.deleteCharAt(code.length() - 1);

            sum += findCode(node.right,code.append("1"));
            code.deleteCharAt(code.length() - 1);
        }
        return sum;
    }

    //编码操作:
    public String encode(){
        char[] chars = str.toCharArray();
        StringBuilder sb = new StringBuilder();
        for(char c : chars){
            sb.append(hash.get(c).code);
        }
        return sb.toString();
    }


    /**
     *  从根节点开始,寻找数字对应的字符
     *  数字是0 向右走,数字是1 向左走
     *  如果没有走到头,每一步数字的索引 cur++
     *  走到头就可以 找到编码字符,再将node 重置为根节点
     * @param str
     * @return
     */
    //解码操作:
    public String decode(String str){
        char[] chars = str.toCharArray();
        StringBuilder sb = new StringBuilder();
        int cur = 0;
        Node node = root;

        while(cur < chars.length){
            if(!node.isLeaf()){//非叶子节点
                if(chars[cur] == '0'){//向左走
                    node = node.left;
                }else if(chars[cur] == '1'){//向右走
                    node =node.right;
                }
                //每走完一步 cur++;
                cur++;

                if(node.isLeaf()){
                    sb.append(node.ch);
                    //每找到一个叶子节点,就重置后再次查找,直到遍历完整个数组
                    node = root;
                }
            }
        }
        return sb.toString();
    }

    static final int all_block_nums = 100;
    public static void memu() throws InterruptedException {
        //菜单加载页面
        for(int i = 0;i < all_block_nums;i++){
            System.out.printf("\r[%d%%]>",i*100/(all_block_nums-1));
            for(int j = 1;j <= i*20/(all_block_nums);j++){
                System.out.print("▉");
                Thread.sleep(2);
            }
        }
        System.out.println();
        System.out.println("-------------------------------------------");
        System.out.println("----------                     ------------");
        System.out.println("--------    欢迎使用哈夫曼编码      ----------");
        System.out.println("---------     1.编码与解码          ---------");
        System.out.println("----------    0.退出              ----------");
        System.out.println("-------------------------------------------");
    }

    public static void main(String[] args) throws InterruptedException {
        Scanner sc = new Scanner(System.in);
        while(true){
            memu();
            String str = "0000";
            System.out.println("请选择:");
            int input = sc.nextInt();
            switch (input){
                case 0:
                    System.out.println("你选择了退出程序~~~");
                    break;
                case 1 :
                    System.out.println("你选择了编码与解码");
                    System.out.println("请输入要编码的字符串:");
                    String in = sc.next();
                    HuffmanTree huffmanTree = new HuffmanTree(in);
                    str = huffmanTree.encode();
                    System.out.println("编码后的字符串为:");
                    System.out.println(str);

                    System.out.println("将刚才编码好的字符串进行解码:");
                    String cur = huffmanTree.decode(str);
                    System.out.println("解码后的字符串:");
                    System.out.println(cur);
            }
            if(input == 0) break;
        }
    }
}

四.运行结果展示:

五.总结与反思:

这次课程设计的心得体会通过实践我的收获如下:

① 巩固和加深了对数据结构的理解,提高综合运用本课程所学知识的能力。

② 培养了我选用参考书,查阅手册及文献资料的能力。培养独立思考,深入研究,分析问题、解决问题的能力。

③ 通过实际编译系统的分析设计、编程调试,掌握应用软件的分析方法和工程设计方法。

④ 通过课程设计,培养了我严肃认真的工作作风,逐步建立正确的生产观念、经济观念和全局观念。

通过本次数据结构的课设计,我学习了很多在上课没懂的知识,并对求哈夫曼树及哈夫曼编码/译码的算法有了更加深刻的了解,更巩固了课堂中学习有关于哈夫曼编码的知识,真正学会一种算法了。当求解一个算法时,不是拿到问题就不加思索地做,而是首先要先对它有个大概的了解,接着再详细地分析每一步怎么做,无论自己以前是否有处理过相似的问题,只要按照以上的步骤,必会顺利地做出来。

结语: 写博客不仅仅是为了分享学习经历,同时这也有利于我巩固知识点,总结该知识点,由于作者水平有限,对文章有任何问题的还请指出,接受大家的批评,让我改进。同时也希望读者们不吝啬你们的点赞+收藏+关注,你们的鼓励是我创作的最大动力!

相关推荐
_.Switch23 分钟前
Python 自动化运维持续优化与性能调优
运维·开发语言·python·缓存·自动化·运维开发
徐*红23 分钟前
java 线程池
java·开发语言
尚学教辅学习资料23 分钟前
基于SSM的养老院管理系统+LW示例参考
java·开发语言·java毕设·养老院
2401_8576363923 分钟前
计算机课程管理平台:Spring Boot与工程认证的结合
java·spring boot·后端
1 9 J25 分钟前
Java 上机实践4(类与对象)
java·开发语言·算法
Code apprenticeship26 分钟前
Java面试题(2)
java·开发语言
J不A秃V头A29 分钟前
Python爬虫:获取国家货币编码、货币名称
开发语言·爬虫·python
憨子周1 小时前
2M的带宽怎么怎么设置tcp滑动窗口以及连接池
java·网络·网络协议·tcp/ip
霖雨3 小时前
使用Visual Studio Code 快速新建Net项目
java·ide·windows·vscode·编辑器
SRY122404193 小时前
javaSE面试题
java·开发语言·面试