Question

我想知道处理Huffman Copression中最后一个字节的最佳方法是什么。我在C ++中有一些很好的代码，它可以很好地压缩文本文件，但是目前我必须写入我的编码文件也编码字符数（好吧，它等于输入文件大小），因为不知道如何处理最后一个字节更好。

例如，要压缩的最后一个char是'a'，哪个代码是011，我只是开始写新的字节，所以最后一个字节看起来像： 011 +大约5位垃圾，我最后将它们作为零。当我编码这个编码文件时，可能会发生代码00000（或者用较少的零）是某些字符的代码，所以我的编码文件末尾会有一些垃圾字符。

正如我在第一段中所写，我通过在编码文件中保存输入文件的字符数来避免这种情况，并且在编码时，我正在读取编码文件以达到该数字（不是为了EndOfFile，而是为了得不到对那些例子5个零）。它不是很有效，编码文件的大小会增加很长时间。

我怎样才能更好地处理这个问题？

PS。对不起我不完美的英语，我希望有可能理解： - ）

Answer 1

您的方法（将编码的字节数写入文件）是一种非常合理的方法。如果你想尝试不同的途径，你可以考虑发明一个新的“伪EOF”字符，标记输入的结束（我将其表示为□）。无论何时要压缩字符串 s ，都要压缩字符串 s □。这意味着当您构建编码树时，您将包含□字符的一个副本，以便您具有□的唯一编码。然后，当您将字符串写入文件时，您将正常写出字符串的位字符，然后写出□的位模式。如果有剩余的位，你可以随意设置它们。

这种方法的优点是，当您解码文件时，如果您在任何时候找到□字符，您可以立即停止解码位，因为您知道已经命中了文件的末尾。这不需要您存储在任何地方写出的字节数 - 编码隐式标记其自己的端点。

此设置的缺点是它可能会增加某些字符使用的位模式的长度，因为除了所有其他字符外，还需要为□指定位模式。

我教授入门编程课程，我们使用霍夫曼编码作为我们的任务之一。我们让学生使用上述方法，因为它比在文件内容之前写出位数或字节数要容易一些。有关详细信息，您可以查看课程中的this handout或these lecture slides。

希望这有帮助！

Answer 2

我知道这是一个老问题，但仍然有一个替代品，所以它可能对某人有帮助。

当您将压缩文件写入输出时，您可能会有一些整数来跟踪当前字节中的位置（用于位移）。

char c, p;
p = '\0';
int curr = 7;
while (infile.get(c))
{
    std::string trav = GetTraversal(c);
    for (int i = 0; i < trav.size(); i++)
    {
        if (trav[i] == '1')
            p += (1 << curr);
        if (--curr < 0)
        {
            outfile.put(p);
            p = '\0';
            curr = 7;
        }
    }
}
if (curr < 7)
    outfile.put(p);

在此块结束时，(curr+1)%8等于最后一个数据字节中的垃圾位数。然后，您可以将其作为单个额外字节存储在最后，并在解压缩时记住它。

霍夫曼压缩的最后一个字节

2 个答案: