Question

我正在实现一个使用霍夫曼编码来压缩文件的程序。我在将压缩字符串的位写入另一个位集时遇到麻烦。我有一个字节向量（8位整数）和一个字符串huffCodes向量，其大小为256，用于存储每个索引的位字符串。（例如，0表示为11，1表示为11011，依此类推。）

这是我当前的方法：

string compressed = "";
boost::dynamic_bitset<unsigned char> output;

for(byte b : bytes) 
{
    compressed += huffCodes [ ByteToInt(std::to_string(b)) ];
}

output = boost::dynamic_bitset<unsigned char> (compressed);

这遍历每个字节，并从huffCodes向量中获取其对应的位字符串，然后将该字符串附加到压缩的字符串中。压缩的字符串完成后，会将其转换为位集。这种方法的问题在于它会缓慢填充位集，因为我的向量中有7200万个字节。但我不喜欢这种方法，因为似乎不必填充这个巨大的字符串以将其转换为位集。我希望这样的事情：

boost::dynamic_bitset<unsigned char> output;
string temp = "";
    for(byte b : bytes) 
    {
        temp = huffCodes [ ByteToInt(std::to_string(b)) ];
        output.append(temp);
    }

显然这不是真实的代码，但是理想情况下，当我从huffCodes向量中收集所有字符串时，我将填充输出位集。是否可以通过某种串联或将字符串附加到位集中来做到这一点？

注意：huffCodes向量的内容是最大为8的字符串，仅由1和0组成。

Answer 1

您的瓶颈几乎可以肯定是这一行：

compressed += huffCodes [ ByteToInt(std::to_string(b)) ];

因为在循环遍历循环时，输出字符串（compressed）将被重新分配并复制多次。

代替这样做，请尝试以下操作。注意，这会预先分配一个适当大小的向量，以避免需要进行昂贵的重新分配和复制。我也看不到需要将b转换为字符串然后再转换回int的需要，所以我将其删除了：

std::string s;
int nbytes = 0;
for (b : bytes)
    nbytes += huffcodes [b].size ();

{
    std::vector <char> v (nbytes + 1);
    for (b : bytes)
    {
        auto hc = huffcodes [b];
        for (auto c : hc)
            v.push_back (c);
    }

    v.push_back (0);    // NUL terminator
    s = v.data ();
}

auto output = boost::dynamic_bitset<unsigned char> (s);

如您所见，转换为字符串是通过单个操作完成的。必须复制这么大的数据结构，但是似乎没有其他方法，这真是令人遗憾。

从字符串向量填充boost :: dynamic_bitset <>的最快方法

1 个答案: