在上一期,我們介紹了一種特殊的數據結構 “哈夫曼樹”,也被稱為最優二叉樹。沒看過的小夥伴可以點擊下方鏈接:
漫畫:什麼是 “哈夫曼樹” ?
那麼,這種數據結構究竟有什麼用呢?我們今天就來揭曉答案。
計算機系統是如何存儲信息的呢?
計算機不是人,它不認識中文和英文,更不認識圖片和視頻,它唯一“認識”的就是0(低電平)和1(高電平)。
因此,我們在計算機上看到的一切文字、圖像、音頻、視頻,底層都是用二進制來存儲和傳輸的。
從狹義上來講,把人類能看懂的各種信息,轉換成計算機能夠識別的二進制形式,被稱為編碼。
編碼的方式可以有很多種,我們大家最熟悉的編碼方式就屬ASCII碼了。
在ASCII碼當中,把每一個字符表示成特定的8位二進制數,比如:
顯然,ASCII碼是一種等長編碼,也就是任何字符的編碼長度都相等。
為什麼這麼說呢?讓我們來看一個例子:
假如一段信息當中,只有A,B,C,D,E,F這6個字符,如果使用等長編碼,我們可以把每一個字符都設計成長度為3的二進制編碼:
如此一來,給定一段信息 “ABEFCDAED”,就可以編碼成二進制的 “000 001 100 101 010 011 000 100 011”,編碼總長度是27。
但是,這樣的編碼方式是最優的設計嗎?如果我們讓不同的字符對應不同長度的編碼,結果會怎樣呢?比如:
如此一來,給定的信息 “ABEFCDAED”,就可以編碼成二進制的 “0 00 10 11 01 1 0 10 1”,編碼的總長度只有14。
哈夫曼編碼(Huffman Coding),同樣是由麻省理工學院的哈夫曼博所發明,這種編碼方式實現了兩個重要目標:
1.任何一個字符編碼,都不是其他字符編碼的前綴。
2.信息編碼的總長度最小。
哈夫曼編碼的生成過程是什麼樣子呢?讓我們看看下面的例子:
假如一段信息裡只有A,B,C,D,E,F這6個字符,他們出現的次數依次是2次,3次,7次,9次,18次,25次,如何設計對應的編碼呢?
我們不妨把這6個字符當做6個葉子結點,把字符出現次數當做結點的權重,以此來生成一顆哈夫曼樹:
這樣做的意義是什麼呢?
哈夫曼樹的每一個結點包括左、右兩個分支,二進制的每一位有0、1兩種狀態,我們可以把這兩者對應起來,結點的左分支當做0,結點的右分支當做1,會產生什麼樣的結果?
這樣一來,從哈夫曼樹的根結點到每一個葉子結點的路徑,都可以等價為一段二進制編碼:
上述過程藉助哈夫曼樹所生成的二進制編碼,就是哈夫曼編碼。
現在,我們面臨兩個關鍵的問題:
首先,這樣生成的編碼有沒有前綴問題帶來的歧義呢?答案是沒有歧義。
因為每一個字符對應的都是哈夫曼樹的葉子結點,從根結點到這些葉子結點的路徑並沒有包含關係,最終得到的二進制編碼自然也不會是彼此的前綴。
其次,這樣生成的編碼能保證總長度最小嗎?答案是可以保證。
哈夫曼樹的重要特性,就是所有葉子結點的(權重 X 路徑長度)之和最小。
放在信息編碼的場景下,葉子結點的權重對應字符出現的頻次,結點的路徑長度對應字符的編碼長度。
所有字符的(頻次 X 編碼長度)之和最小,自然就說明總的編碼長度最小。
<code>private
Node root;private
Node[] nodes;public
void
createHuffmanTree
(
int
[] weights) { Queue nodeQueue =new
PriorityQueue <>(); nodes =new
Node[weights.length];for
(int
i=0
; inew Node(weights[i]); nodeQueue.add(nodes[i]); }while
(nodeQueue.size() >1
) { Node left = nodeQueue.poll(); Node right = nodeQueue.poll(); Node parent =new
Node(left.weight + right.weight, left, right); nodeQueue.add(parent); } root = nodeQueue.poll(); }public
StringconvertHuffmanCode
(
int
index) {return
nodes[index].code; }public
void
encode
(Node node, String code)
{if
(node ==null
){return
; } node.code = code; encode(node.lChild, node.code+"0"
); encode(node.rChild, node.code+"1"
); }public
static
class
Node
implements
Comparable
<Node
>{int
weight; String code; Node lChild; Node rChild;public
Node
(
int
weight) {this
.weight = weight; }public
Node
(
int
weight, Node lChild, Node rChild) {this
.weight = weight;this
.lChild = lChild;this
.rChild = rChild; }public
int
compareTo
(Node o)
{return
new
Integer(this
.weight).compareTo(new
Integer(o.weight)); } }public
static
void
main
(String[] args)
{char
[] chars = {'A'
,'B'
,'C'
,'D'
,'E'
,'F'
};int
[] weights = {2
,3
,7
,9
,18
,25
}; HuffmanCode huffmanCode =new
HuffmanCode(); huffmanCode.createHuffmanTree(weights); huffmanCode.encode(huffmanCode.root,""
);for
(int
i=0
; i":" + huffmanCode.convertHuffmanCode(i)); } }/<code>
這段代碼中,Node類增加了一個新字段code,用於記錄結點所對應的二進制編碼。
當哈夫曼樹構建之後,就可以通過遞歸的方式,從根結點向下,填充每一個結點的code值。