huffman编码

huffman编码简介

参考 这篇文章

python实现

  • 开头
    # -*- coding: utf-8 -*-
    import heapq
    import collections
    import json

    import io
    from BitVector import BitVector # 网上的bitbector实现
    import hashlib
    import sys
    import time
    import base64
  • 二叉树类
class TreeNode(object):
    def __init__(self, key=None, val=None, code=None):
        self.key, self.val, self.code = key, val, code
        self.left = None
        self.right = None

    def __cmp__(self, other):
        return cmp(self.val, other.val)

    def __repr__(self):
        return 'key=%s\nval=%s\ncode=%s' % (self.key, self.val, self.code)
  • 定义装饰器用于计时
def caltime(func):
    def wrapper(*args, **kwargs):
        st = time.clock()
        res = func(*args, **kwargs)
        print '%s take %.3f s...' % (func.__name__, time.clock()-st)
        return res
    return wrapper
  • 定义huffman类
class Huffman(object):
    def __init__(self, raw_name, action='zip'):
        self.raw_name = raw_name
        if action=='zip':
            with open(self.raw_name, 'rb') as f:
                self.data = f.read()
            self.save_name = raw_name + '.hfm'
        elif action=='unzip':
            if not raw_name.endswith('.hfm'):
                raise IOError('file name must be ends with .hfm')
            self.save_name = raw_name.rsplit('.', 1)[0]

        self.root_node = None
        self.encode_dict = None
        self.tree_str = None

    @caltime
    def _build_heap(self):
        count = collections.Counter(self.data)
        count_list = count.items()
        return [TreeNode(key=ord(x[0]), val=x[1]) for x in count_list]

    @caltime
    def _build_huffman_tree(self):
        heap = self._build_heap()
        while heap:
            left_node = heapq.heappop(heap)
            right_node = heapq.heappop(heap)
            parent_node = TreeNode(val=left_node.val+right_node.val)
            parent_node.left = left_node
            parent_node.right = right_node
            if heap:
                heapq.heappush(heap, parent_node)
            else:
                return parent_node

    # =========================================================== #
    # 进行huffman编码,返回编码字典
    # =========================================================== #
    @caltime
    def _huffman_encode(self):
        def huffman_encode_helper(nd, cur_code=''):
            encode_dict = {}
            if nd.left is None and nd.right is None:
                nd.code = cur_code
                encode_dict.update({nd.key: nd.code})
            if nd.left:
                encode_dict.update(huffman_encode_helper(nd.left, cur_code+'0'))
            if nd.right:
                encode_dict.update(huffman_encode_helper(nd.right, cur_code+'1'))
            return encode_dict

        self.root_node = self._build_huffman_tree()
        self.encode_dict = huffman_encode_helper(self.root_node)
        self.tree_str = self._serialize_huffman_tree()

    # =========================================================== #
    # huffman树序列化
    # =========================================================== #
    @caltime
    def _serialize_huffman_tree(self):
        def pre_order(nd):
            if nd is None:
                return ['#']
            output = [[nd.key, nd.code]] if nd.key is not None else [None]
            output += pre_order(nd.left)
            output += pre_order(nd.right)
            return output
        return json.dumps(pre_order(self.root_node))

    # =========================================================== #
    # 按照码本进行字符压缩
    # =========================================================== #
    @caltime
    def huffman_zip(self):
        print 'start huffman encoding...'
        self._huffman_encode()
        new_data = ''.join([self.encode_dict[ord(x)] for x in self.data])
        bit_sz = len(new_data)
        pad_sz = 8 - bit_sz%8
        new_data += '0'*pad_sz
        # bit_data = BitVector(bitstring=new_data) # 使用BitVector很慢
        byte_data = []
        for ii in range(0, len(new_data), 8):
            bit = 0
            for j in range(8):
                bit = (bit<<1) + int(new_data[ii+j])
            byte_data.append(chr(bit))

        print 'save to %s...' % self.save_name
        with open(self.save_name, 'wb') as fp:
            # 把序列化的huffman树写在前面
            fp.write('%s-%s-%s-' % (len(self.tree_str), self.tree_str, bit_sz))
            # bit_data.write_to_file(fp)
            fp.writelines(byte_data)

    # =========================================================== #
    # huffman树反序列化,重建树
    # =========================================================== #
    @caltime
    def _deserialize_huffman_tree(self):
        def pre_order(node_list):
            nd_data = node_list.pop(0)
            if nd_data=='#':
                return None
            nd = TreeNode(key=chr(nd_data[0]), code=nd_data[1]) if isinstance(nd_data, list) else TreeNode()
            nd.left = pre_order(node_list)
            nd.right = pre_order(node_list)
            return nd

        return pre_order(json.loads(self.tree_str))

    # =========================================================== #
    # huffman解压缩
    # =========================================================== #
    @caltime
    def huffman_unzip(self):
        with open(self.raw_name, 'rb') as fp:
            n_tree = ''
            while 1:
                c = fp.read(1)
                if c!='-':
                    n_tree += c
                else:
                    break
            ## 重建huffman树
            print 'start huffman decoding...'
            self.tree_str = fp.read(int(n_tree))
            self.root_node = self._deserialize_huffman_tree()
            fp.read(1)
            n_data = ''
            while 1:
                c = fp.read(1)
                if c!='-':
                    n_data += c
                else:
                    break
            n_data = int(n_data)
            byte_data = fp.read()
        ## 保存到文件
        print 'save to %s...' % self.save_name
        nd = self.root_node
        with open(self.save_name, 'wb') as fp:
            ii = 0
            data = []
            while ii<=n_data:
                if nd.left is None and nd.right is None:
                    data.append(nd.key)
                    nd = self.root_node
                else:
                    bit = ord(byte_data[ii/8]) & (128>>ii%8)
                    nd = nd.left if bit==0 else nd.right
                    ii += 1
            fp.writelines(data)

总结

  1. huffman压缩
  • 词频统计

统计每个字符(8位)出现的频率,针对中文编码,每个字节可用 0x?? 表示

  • 构建二叉树

每次取出词频最低的2个字符进行构建(利用堆),并将其父节点加入词库

  • 进行编码

自上而下左0右1给每个叶子节点赋值,得到编码字典字符->二进制序列

  • 压缩

将源文件所有字符按编码字典转换为二进制序列后(需补齐位数为8的倍数)
写入新文件
我在文件头写入了二叉树(编码字典)信息,供解压缩使用

  • 运行结果
start huffman encoding...
_build_heap take 0.079 s...
_build_huffman_tree take 0.116 s...
_serialize_huffman_tree take 0.001 s...
_huffman_encode take 0.123 s...
save to xxx.pdf.hfm...
huffman_zip take 2.759 s...
  • 看一下生成的压缩文件


    .hfm文件
  1. huffman解码
  • 重建二叉树

从压缩文件头读入二叉树信息,反序列化后构建二叉树

  • 解码

从文件读入字节流,按位操作,从根节点开始,0左1右,直到叶子节点,
复原出原字符,写入新文件
猜想使用2个线程一个读一个写会不会更快

  • 运行结果
start huffman decoding...
_deserialize_huffman_tree take 0.003 s...
save to xxx.pdf...
huffman_unzip take 1.030 s...
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 201,924评论 5 474
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,781评论 2 378
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 148,813评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,264评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,273评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,383评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,800评论 3 393
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,482评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,673评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,497评论 2 318
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,545评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,240评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,802评论 3 304
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,866评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,101评论 1 258
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,673评论 2 348
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,245评论 2 341

推荐阅读更多精彩内容