હફમેન અલ્ગોરિધમ સાથે ડેટા કમ્પ્રેશન

પરિચય

આ લેખમાં, હું જાણીતા હફમેન અલ્ગોરિધમ, તેમજ ડેટા કમ્પ્રેશનમાં તેની એપ્લિકેશન વિશે વાત કરીશ.

પરિણામે, અમે એક સરળ આર્કાઇવર લખીશું. આ પહેલેથી જ થઈ ચૂક્યું છે હેબ્રે પરનો લેખ, પરંતુ વ્યવહારિક અમલીકરણ વિના. વર્તમાન પોસ્ટની સૈદ્ધાંતિક સામગ્રી શાળાના કોમ્પ્યુટર વિજ્ઞાનના પાઠ અને રોબર્ટ લાફોરેટના પુસ્તક "ડેટા સ્ટ્રક્ચર્સ એન્ડ અલ્ગોરિધમ્સ ઇન જાવા"માંથી લેવામાં આવી છે. તેથી, બધું કટ હેઠળ છે!

થોડું પ્રતિબિંબ

સામાન્ય ટેક્સ્ટ ફાઇલમાં, એક અક્ષર 8 બિટ્સ (ASCII એન્કોડિંગ) અથવા 16 (યુનિકોડ એન્કોડિંગ) સાથે એન્કોડ કરવામાં આવે છે. આગળ, અમે ASCII એન્કોડિંગ પર વિચાર કરીશું. ઉદાહરણ તરીકે, s1 = "SUSIE SAYS IT IS EASYn" શબ્દમાળા લો. કુલ મળીને, લાઇનમાં 22 અક્ષરો છે, અલબત્ત, જગ્યાઓ અને નવી લાઇન અક્ષર - 'n' સહિત. આ લાઇન ધરાવતી ફાઇલનું વજન 22*8 = 176 બિટ્સ હશે. પ્રશ્ન તરત જ ઉદ્ભવે છે: શું 8 અક્ષરને એન્કોડ કરવા માટે તમામ 1 બિટ્સનો ઉપયોગ કરવો તર્કસંગત છે? અમે બધા ASCII અક્ષરોનો ઉપયોગ કરતા નથી. જો તેઓ હોય તો પણ, સૌથી વધુ વારંવાર આવતા અક્ષર - S - શક્ય તેટલો ટૂંકો કોડ આપવો વધુ તર્કસંગત રહેશે, અને સૌથી દુર્લભ અક્ષર - T (અથવા U, અથવા 'n') - કોડને વધુ અધિકૃત આપો. આ હફમેન અલ્ગોરિધમ છે: તમારે શ્રેષ્ઠ એન્કોડિંગ વિકલ્પ શોધવાની જરૂર છે, જેમાં ફાઇલ ન્યૂનતમ વજનની હશે. તે તદ્દન સામાન્ય છે કે વિવિધ અક્ષરોની કોડ લંબાઈ અલગ હશે - આ અલ્ગોરિધમનો આધાર છે.

કોડિંગ

શા માટે અક્ષર 'S' ને કોડ ન આપો, ઉદાહરણ તરીકે, 1 બીટ લાંબો: 0 અથવા 1. તેને 1 રહેવા દો. પછી બીજું સૌથી વધુ જોવા મળતું અક્ષર - ' ' (સ્પેસ) - અમે 0 આપીશું. કલ્પના કરો, તમે શરૂ કર્યું તમારા સંદેશને ડીકોડ કરો - એન્કોડેડ સ્ટ્રિંગ s1 - અને તમે જુઓ છો કે કોડ 1 થી શરૂ થાય છે. તો, શું કરવું: શું તે S અક્ષર છે, અથવા તે કોઈ અન્ય અક્ષર છે, જેમ કે A? તેથી, એક મહત્વપૂર્ણ નિયમ ઊભો થાય છે:

કોઈપણ કોડ બીજાનો ઉપસર્ગ હોવો જોઈએ નહીં

આ નિયમ એલ્ગોરિધમની ચાવી છે. તેથી, કોડની રચના આવર્તન કોષ્ટકથી શરૂ થાય છે, જે દરેક પ્રતીકની આવર્તન (ઘટનાઓની સંખ્યા) સૂચવે છે:

સૌથી વધુ ઘટનાઓ ધરાવતા અક્ષરો સૌથી ઓછા સાથે એન્કોડ કરેલા હોવા જોઈએ શક્ય બિટ્સની સંખ્યા. હું સંભવિત કોડ કોષ્ટકોમાંથી એકનું ઉદાહરણ આપીશ:

તેથી એન્કોડેડ સંદેશ આના જેવો દેખાશે:

10 01111 10 110 1111 00 10 010 1110 10 00 110 0110 00 110 10 00 1111 010 10 1110 01110

મેં દરેક અક્ષરના કોડને સ્પેસ સાથે અલગ કર્યા છે. સંકુચિત ફાઇલમાં આ ખરેખર બનશે નહીં!
પ્રશ્ન ઊભો થાય છે: આ રુકી કોડ સાથે કેવી રીતે આવ્યો કોડ ટેબલ કેવી રીતે બનાવવું? આની નીચે ચર્ચા કરવામાં આવશે.

હફમેન વૃક્ષનું નિર્માણ

આ તે છે જ્યાં દ્વિસંગી શોધ વૃક્ષો બચાવમાં આવે છે. ચિંતા કરશો નહીં, તમારે અહીં પદ્ધતિઓ શોધવા, દાખલ કરવાની અને કાઢી નાખવાની જરૂર રહેશે નહીં. અહીં જાવામાં વૃક્ષનું માળખું છે:

public class Node {
    private int frequence;
    private char letter;
    private Node leftChild;
    private Node rightChild;
    ...
}

class BinaryTree {
    private Node root;

    public BinaryTree() {
        root = new Node();
    }
    public BinaryTree(Node root) {
        this.root = root;
    }
    ...
}

આ સંપૂર્ણ કોડ નથી, સંપૂર્ણ કોડ નીચે હશે.

વૃક્ષ બનાવવા માટેનું અલ્ગોરિધમ અહીં છે:

1. સંદેશમાંથી દરેક અક્ષર માટે નોડ ઑબ્જેક્ટ બનાવો (લાઇન s1). અમારા કિસ્સામાં, ત્યાં 9 નોડ્સ (નોડ ઑબ્જેક્ટ્સ) હશે. દરેક નોડમાં બે ડેટા ફીલ્ડ હોય છે: પ્રતીક અને આવર્તન
2. દરેક નોડ નોડ માટે ટ્રી ઓબ્જેક્ટ (બાઈનરી ટ્રી) બનાવો. નોડ વૃક્ષનું મૂળ બની જાય છે.
3. આ વૃક્ષોને પ્રાધાન્યતા કતારમાં દાખલ કરો. આવર્તન જેટલી ઓછી છે, તેટલી અગ્રતા વધારે છે. આમ, બહાર કાઢતી વખતે, સૌથી ઓછી આવર્તન સાથેનું વૃક્ષ હંમેશા પસંદ કરવામાં આવે છે.

આગળ, તમારે નીચેના ચક્રીય રીતે કરવાની જરૂર છે:

1. પ્રાધાન્યતા કતારમાંથી બે વૃક્ષો પુનઃપ્રાપ્ત કરો અને તેમને નવા નોડ (અક્ષર વિના નવા બનાવેલ નોડ) ના બાળકો બનાવો. નવા નોડની આવર્તન બે વંશજ વૃક્ષોની ફ્રીક્વન્સીઝના સરવાળા જેટલી છે.
2. આ નોડ માટે, આ નોડ પર મૂળવાળું વૃક્ષ બનાવો. આ વૃક્ષને અગ્રતા કતારમાં પાછું દાખલ કરો. (વૃક્ષની નવી આવર્તન હોવાથી, તે મોટાભાગે કતારમાં નવી જગ્યાએ પ્રવેશ કરશે)
3. જ્યાં સુધી એક વૃક્ષ કતારમાં બાકી ન રહે ત્યાં સુધી પગલાં 1 અને 2 ચાલુ રાખો - હફમેન વૃક્ષ

લાઇન s1 પર આ અલ્ગોરિધમનો વિચાર કરો:

અહીં પ્રતીક "lf" (લાઇનફીડ) નવી લીટી દર્શાવે છે, "sp" (સ્પેસ) એ સ્પેસ છે.

પછી શું છે?

અમને હફમેન વૃક્ષ મળ્યું. બરાબર. અને તેની સાથે શું કરવું? તેઓ તેને મફતમાં લેશે નહીં. અને પછી, તમારે મૂળથી ઝાડના પાંદડા સુધીના તમામ સંભવિત રસ્તાઓ શોધવાની જરૂર છે. અમે ધારને 0 લેબલ કરવા માટે સંમત છીએ જો તે ડાબા બાળક તરફ દોરી જાય અને 1 જો તે જમણી તરફ દોરી જાય. કડક શબ્દોમાં કહીએ તો, આ સંકેતોમાં, અક્ષર કોડ એ વૃક્ષના મૂળથી પાંદડા સુધીનો માર્ગ છે જેમાં આ સમાન અક્ષર છે.

આમ, કોડ્સનું ટેબલ બહાર આવ્યું. નોંધ કરો કે જો આપણે આ કોષ્ટકને ધ્યાનમાં લઈએ, તો આપણે દરેક અક્ષરના "વજન" વિશે નિષ્કર્ષ પર આવી શકીએ - આ તેના કોડની લંબાઈ છે. પછી, સંકુચિત સ્વરૂપમાં, સ્રોત ફાઇલનું વજન થશે: 2 * 3 + 2 * 4 + 3 * 3 + 6 * 2 + 1 * 4 + 1 * 5 + 2 * 4 + 4 * 2 + 1 * 5 = 65 બિટ્સ . શરૂઆતમાં તેનું વજન 176 બિટ્સ હતું. તેથી, અમે તેને 176/65 = 2.7 ગણો જેટલું ઘટાડી દીધું છે! પરંતુ આ એક યુટોપિયા છે. આવો ગુણોત્તર મળવાની શક્યતા નથી. શા માટે? આ વિશે થોડી વાર પછી ચર્ચા કરવામાં આવશે.

ડીકોડિંગ

ઠીક છે, કદાચ બાકીની સૌથી સરળ વસ્તુ ડીકોડિંગ છે. મને લાગે છે કે તમારામાંના ઘણાએ અનુમાન લગાવ્યું છે કે સંકુચિત ફાઇલને કેવી રીતે એન્કોડ કરવામાં આવી હતી તે અંગેના કોઈપણ સંકેતો વિના ખાલી બનાવવી અશક્ય છે - અમે તેને ડીકોડ કરી શકીશું નહીં! હા, હા, મારા માટે આ સમજવું અઘરું હતું, પણ મારે કમ્પ્રેશન ટેબલ સાથે એક ટેક્સ્ટ ફાઇલ table.txt બનાવવી પડશે:

01110
 00
A010
E1111
I110
S10
T0110
U01111
Y1110

'અક્ષર' "અક્ષર કોડ" ફોર્મમાં ટેબલ એન્ટ્રી. 01110 પ્રતીક વગરનું કેમ છે? વાસ્તવમાં, તે એક પ્રતીક સાથે છે, માત્ર જાવા ટૂલ્સ કે જેનો ઉપયોગ હું ફાઇલમાં આઉટપુટ કરતી વખતે કરું છું, ન્યૂલાઇન અક્ષર - 'n' - નવી લાઇનમાં રૂપાંતરિત થાય છે (ભલે તે ગમે તેટલું મૂર્ખ લાગે). તેથી, ઉપરની ખાલી લીટી એ કોડ 01110 માટેનું અક્ષર છે. કોડ 00 માટે, અક્ષર એ લીટીની શરૂઆતમાં એક જગ્યા છે. મારે તરત જ કહેવું જોઈએ કે ટેબલ સ્ટોર કરવાની આ પદ્ધતિ આપણા ખાન ગુણાંક માટે સૌથી અતાર્કિક હોવાનો દાવો કરી શકે છે. પરંતુ તે સમજવું અને અમલમાં મૂકવું સરળ છે. ઑપ્ટિમાઇઝેશન વિશેની ટિપ્પણીઓમાં તમારી ભલામણો સાંભળીને મને આનંદ થશે.

આ કોષ્ટક સાથે, ડીકોડ કરવું ખૂબ જ સરળ છે. ચાલો યાદ કરીએ કે એન્કોડિંગ બનાવતી વખતે અમને કયા નિયમ દ્વારા માર્ગદર્શન આપવામાં આવ્યું હતું:

કોઈ કોડ બીજાનો ઉપસર્ગ ન હોવો જોઈએ

આ તે છે જ્યાં તે સુવિધાજનક ભૂમિકા ભજવે છે. અમે ક્રમશઃ થોડું-થોડું વાંચીએ છીએ, અને જલદી પરિણામી સ્ટ્રિંગ ડી, જેમાં રીડ બિટ્સનો સમાવેશ થાય છે, કેરેક્ટર કેરેક્ટરને અનુરૂપ એન્કોડિંગ સાથે મેળ ખાય છે, અમે તરત જ જાણીએ છીએ કે કેરેક્ટર કેરેક્ટર (અને માત્ર તે જ!) એન્કોડ કરવામાં આવ્યું હતું. આગળ, અમે ડીકોડ સ્ટ્રિંગ (ડીકોડ કરેલ સંદેશ ધરાવતી સ્ટ્રિંગ) પર અક્ષર લખીએ છીએ, d સ્ટ્રિંગને ફરીથી સેટ કરીએ છીએ અને એન્કોડ કરેલી ફાઇલને આગળ વાંચીએ છીએ.

Реализация

આર્કાઇવર લખીને મારા કોડને અપમાનિત કરવાનો સમય આવી ગયો છે. ચાલો તેને કોમ્પ્રેસર કહીએ.

પ્રારંભ. સૌ પ્રથમ, આપણે નોડ વર્ગ લખીએ છીએ:

public class Node {
    private int frequence;//частота
    private char letter;//буква
    private Node leftChild;//левый потомок
    private Node rightChild;//правый потомок

   

    public Node(char letter, int frequence) { //собственно, конструктор
        this.letter = letter;
        this.frequence = frequence;
    }

    public Node() {}//перегрузка конструтора для безымянных узлов(см. выше в разделе о построении дерева Хаффмана)
    public void addChild(Node newNode) {//добавить потомка
        if (leftChild == null)//если левый пустой=> правый тоже=> добавляем в левый
            leftChild = newNode;
        else {
            if (leftChild.getFrequence() <= newNode.getFrequence()) //в общем, левым потомком
                rightChild = newNode;//станет тот, у кого меньше частота
            else {
                rightChild = leftChild;
                leftChild = newNode;
            }
        }

        frequence += newNode.getFrequence();//итоговая частота
    }

    public Node getLeftChild() {
        return leftChild;
    }

    public Node getRightChild() {
        return rightChild;
    }

    public int getFrequence() {
        return frequence;
    }

    public char getLetter() {
        return letter;
    }

    public boolean isLeaf() {//проверка на лист
        return leftChild == null && rightChild == null;
    }
}

હવે વૃક્ષ:

class BinaryTree {
    private Node root;

    public BinaryTree() {
        root = new Node();
    }

    public BinaryTree(Node root) {
        this.root = root;
    }

    public int getFrequence() {
        return root.getFrequence();
    }

    public Node getRoot() {
        return root;
    }
}

પ્રાધાન્યતા કતાર:

import java.util.ArrayList;//да-да, очередь будет на базе списка

class PriorityQueue {
    private ArrayList<BinaryTree> data;//список очереди
    private int nElems;//кол-во элементов в очереди

    public PriorityQueue() {
        data = new ArrayList<BinaryTree>();
        nElems = 0;
    }

    public void insert(BinaryTree newTree) {//вставка
        if (nElems == 0)
            data.add(newTree);
        else {
            for (int i = 0; i < nElems; i++) {
                if (data.get(i).getFrequence() > newTree.getFrequence()) {//если частота вставляемого дерева меньше 
                    data.add(i, newTree);//чем част. текущего, то cдвигаем все деревья на позициях справа на 1 ячейку                   
                    break;//затем ставим новое дерево на позицию текущего
                }
                if (i == nElems - 1) 
                    data.add(newTree);
            }
        }
        nElems++;//увеличиваем кол-во элементов на 1
    }

    public BinaryTree remove() {//удаление из очереди
        BinaryTree tmp = data.get(0);//копируем удаляемый элемент
        data.remove(0);//собственно, удаляем
        nElems--;//уменьшаем кол-во элементов на 1
        return tmp;//возвращаем удаленный элемент(элемент с наименьшей частотой)
    }
}

વર્ગ કે જે હફમેન વૃક્ષ બનાવે છે:

public class HuffmanTree {
    private final byte ENCODING_TABLE_SIZE = 127;//длина кодировочной таблицы
    private String myString;//сообщение
    private BinaryTree huffmanTree;//дерево Хаффмана
    private int[] freqArray;//частотная таблица
    private String[] encodingArray;//кодировочная таблица


    //----------------constructor----------------------
    public HuffmanTree(String newString) {
        myString = newString;

        freqArray = new int[ENCODING_TABLE_SIZE];
        fillFrequenceArray();

        huffmanTree = getHuffmanTree();

        encodingArray = new String[ENCODING_TABLE_SIZE];
        fillEncodingArray(huffmanTree.getRoot(), "", "");
    }

    //--------------------frequence array------------------------
    private void fillFrequenceArray() {
        for (int i = 0; i < myString.length(); i++) {
            freqArray[(int)myString.charAt(i)]++;
        }
    }

    public int[] getFrequenceArray() {
        return freqArray;
    }

    //------------------------huffman tree creation------------------
    private BinaryTree getHuffmanTree() {
        PriorityQueue pq = new PriorityQueue();
        //алгоритм описан выше
        for (int i = 0; i < ENCODING_TABLE_SIZE; i++) {
            if (freqArray[i] != 0) {//если символ существует в строке
                Node newNode = new Node((char) i, freqArray[i]);//то создать для него Node
                BinaryTree newTree = new BinaryTree(newNode);//а для Node создать BinaryTree
                pq.insert(newTree);//вставить в очередь
            }
        }

        while (true) {
            BinaryTree tree1 = pq.remove();//извлечь из очереди первое дерево.

            try {
                BinaryTree tree2 = pq.remove();//извлечь из очереди второе дерево

                Node newNode = new Node();//создать новый Node
                newNode.addChild(tree1.getRoot());//сделать его потомками два извлеченных дерева
                newNode.addChild(tree2.getRoot());

                pq.insert(new BinaryTree(newNode);
            } catch (IndexOutOfBoundsException e) {//осталось одно дерево в очереди
                return tree1;
            }
        }
    }

    public BinaryTree getTree() {
        return huffmanTree;
    }

    //-------------------encoding array------------------
    void fillEncodingArray(Node node, String codeBefore, String direction) {//заполнить кодировочную таблицу
        if (node.isLeaf()) {
            encodingArray[(int)node.getLetter()] = codeBefore + direction;
        } else {
            fillEncodingArray(node.getLeftChild(), codeBefore + direction, "0");
            fillEncodingArray(node.getRightChild(), codeBefore + direction, "1");
        }
    }

    String[] getEncodingArray() {
        return encodingArray;
    }

    public void displayEncodingArray() {//для отладки
        fillEncodingArray(huffmanTree.getRoot(), "", "");

        System.out.println("======================Encoding table====================");
        for (int i = 0; i < ENCODING_TABLE_SIZE; i++) {
            if (freqArray[i] != 0) {
                System.out.print((char)i + " ");
                System.out.println(encodingArray[i]);
            }
        }
        System.out.println("========================================================");
    }
    //-----------------------------------------------------
    String getOriginalString() {
        return myString;
    }
}

જે એન્કોડ/ડીકોડ કરે છે તે વર્ગ:

public class HuffmanOperator {
    private final byte ENCODING_TABLE_SIZE = 127;//длина таблицы
    private HuffmanTree mainHuffmanTree;//дерево Хаффмана (используется только для сжатия)
    private String myString;//исходное сообщение
    private int[] freqArray;//частотаная таблица
    private String[] encodingArray;//кодировочная таблица
    private double ratio;//коэффициент сжатия 


    public HuffmanOperator(HuffmanTree MainHuffmanTree) {//for compress
        this.mainHuffmanTree = MainHuffmanTree;

        myString = mainHuffmanTree.getOriginalString();

        encodingArray = mainHuffmanTree.getEncodingArray();

        freqArray = mainHuffmanTree.getFrequenceArray();
    }

    public HuffmanOperator() {}//for extract;

    //---------------------------------------compression-----------------------------------------------------------
    private String getCompressedString() {
        String compressed = "";
        String intermidiate = "";//промежуточная строка(без добавочных нулей)
        //System.out.println("=============================Compression=======================");
        //displayEncodingArray();
        for (int i = 0; i < myString.length(); i++) {
            intermidiate += encodingArray[myString.charAt(i)];
        }
        //Мы не можем писать бит в файл. Поэтому нужно сделать длину сообщения кратной 8=>
        //нужно добавить нули в конец(можно 1, нет разницы)
        byte counter = 0;//количество добавленных в конец нулей (байта в полне хватит: 0<=counter<8<127)
        for (int length = intermidiate.length(), delta = 8 - length % 8; 
        		counter < delta ; counter++) {//delta - количество добавленных нулей
            intermidiate += "0";
        }
        
        //склеить кол-во добавочных нулей в бинарном предаствлении и промежуточную строку 
        compressed = String.format("%8s", Integer.toBinaryString(counter & 0xff)).replace(" ", "0") + intermidiate;
        		
        //идеализированный коэффициент
        setCompressionRatio();
        //System.out.println("===============================================================");
        return compressed;
    }
    
    private void setCompressionRatio() {//посчитать идеализированный коэффициент 
        double sumA = 0, sumB = 0;//A-the original sum
        for (int i = 0; i < ENCODING_TABLE_SIZE; i++) {
            if (freqArray[i] != 0) {
                sumA += 8 * freqArray[i];
                sumB += encodingArray[i].length() * freqArray[i];
            }
        }
        ratio = sumA / sumB;
    }

    public byte[] getBytedMsg() {//final compression
        StringBuilder compressedString = new StringBuilder(getCompressedString());
        byte[] compressedBytes = new byte[compressedString.length() / 8];
        for (int i = 0; i < compressedBytes.length; i++) {
                compressedBytes[i] = (byte) Integer.parseInt(compressedString.substring(i * 8, (i + 1) * 8), 2);
        }
        return compressedBytes;
    }
    //---------------------------------------end of compression----------------------------------------------------------------
    //------------------------------------------------------------extract-----------------------------------------------------
    public String extract(String compressed, String[] newEncodingArray) {
        String decompressed = "";
        String current = "";
        String delta = "";
        encodingArray = newEncodingArray;
        
        //displayEncodingArray();
        //получить кол-во вставленных нулей
        for (int i = 0; i < 8; i++) 
        	delta += compressed.charAt(i);
        int ADDED_ZEROES = Integer.parseInt(delta, 2);
       
        for (int i = 8, l = compressed.length() - ADDED_ZEROES; i < l; i++) {
            //i = 8, т.к. первым байтом у нас идет кол-во вставленных нулей
            current += compressed.charAt(i);
            for (int j = 0; j < ENCODING_TABLE_SIZE; j++) {
                if (current.equals(encodingArray[j])) {//если совпало
                    decompressed += (char)j;//то добавляем элемент
                    current = "";//и обнуляем текущую строку
                }
            }
        }

        return decompressed;
    }

    public String getEncodingTable() {
        String enc = "";
    	for (int i = 0; i < encodingArray.length; i++) {
        	if (freqArray[i] != 0) 
        		enc += (char)i + encodingArray[i] + 'n';
        }
    	return enc;
    }

    public double getCompressionRatio() {
        return ratio;
    }


    public void displayEncodingArray() {//для отладки
        System.out.println("======================Encoding table====================");
        for (int i = 0; i < ENCODING_TABLE_SIZE; i++) {
            //if (freqArray[i] != 0) {
                System.out.print((char)i + " ");
                System.out.println(encodingArray[i]);
            //}
        }
        System.out.println("========================================================");
    }
    }

એક વર્ગ જે ફાઇલમાં લખવાની સુવિધા આપે છે:

import java.io.File;
import java.io.PrintWriter;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.Closeable;

public class FileOutputHelper implements Closeable {
    private File outputFile;
    private FileOutputStream fileOutputStream;

    public FileOutputHelper(File file) throws FileNotFoundException {
        outputFile = file;
        fileOutputStream = new FileOutputStream(outputFile);
    }

    public void writeByte(byte msg) throws IOException {
        fileOutputStream.write(msg);
    }

    public void writeBytes(byte[] msg) throws IOException {
        fileOutputStream.write(msg);
    }

    public void writeString(String msg) {
    	try (PrintWriter pw = new PrintWriter(outputFile)) {
    		pw.write(msg);
    	} catch (FileNotFoundException e) {
    		System.out.println("Неверный путь, или такого файла не существует!");
    	}
    }

    @Override
    public void close() throws IOException {
        fileOutputStream.close();
    }

    public void finalize() throws IOException {
        close();
    }
}

એક વર્ગ જે ફાઇલમાંથી વાંચવાની સુવિધા આપે છે:

import java.io.FileInputStream;
import java.io.EOFException;
import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.io.Closeable;
import java.io.File;
import java.io.IOException;

public class FileInputHelper implements Closeable {
	private FileInputStream fileInputStream;
	private BufferedReader fileBufferedReader;
	
	public FileInputHelper(File file) throws IOException {
		fileInputStream = new FileInputStream(file);
		fileBufferedReader = new BufferedReader(new InputStreamReader(fileInputStream));
	}
	
	
    public byte readByte() throws IOException {
    	int cur = fileInputStream.read();
    	if (cur == -1)//если закончился файл
    		throw new EOFException();
    	return (byte)cur;
    }
    
    public String readLine() throws IOException {
    	return fileBufferedReader.readLine();
    }
    
    @Override
    public void close() throws IOException{
    	fileInputStream.close();
    }
}

સારું, અને મુખ્ય વર્ગ:

import java.io.File;
import java.nio.charset.MalformedInputException;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.NoSuchFileException;
import java.nio.file.Paths;
import java.util.List;
import java.io.EOFException;
public class Main {
	private static final byte ENCODING_TABLE_SIZE = 127;
	
    public static void main(String[] args) throws IOException {
        try {//указываем инструкцию с помощью аргументов командной строки
            if (args[0].equals("--compress") || args[0].equals("-c"))
                compress(args[1]);
            else if ((args[0].equals("--extract") || args[0].equals("-x"))
            		&& (args[2].equals("--table") || args[2].equals("-t"))) {
            	extract(args[1], args[3]);
            }
            else
                throw new IllegalArgumentException();
        } catch (ArrayIndexOutOfBoundsException | IllegalArgumentException e) {
            System.out.println("Неверный формат ввода аргументов ");
            System.out.println("Читайте Readme.txt");
            e.printStackTrace();
        }
    }

	public static void compress(String stringPath) throws IOException {
        List<String> stringList;
        File inputFile = new File(stringPath);
        String s = "";
        File compressedFile, table;
        
        try {
            stringList = Files.readAllLines(Paths.get(inputFile.getAbsolutePath()));
        } catch (NoSuchFileException e) {
            System.out.println("Неверный путь, или такого файла не существует!");
            return;
        } catch (MalformedInputException e) {
        	System.out.println("Текущая кодировка файла не поддерживается");
        	return;
        }

        for (String item : stringList) {
            s += item;
            s += 'n';
        }

        HuffmanOperator operator = new HuffmanOperator(new HuffmanTree(s));

        compressedFile = new File(inputFile.getAbsolutePath() + ".cpr");
        compressedFile.createNewFile();
        try (FileOutputHelper fo = new FileOutputHelper(compressedFile)) {
        	fo.writeBytes(operator.getBytedMsg());
        }
        //create file with encoding table:
        
        table = new File(inputFile.getAbsolutePath() + ".table.txt");
        table.createNewFile();
        try (FileOutputHelper fo = new FileOutputHelper(table)) {
        	fo.writeString(operator.getEncodingTable());
        }
        
        System.out.println("Путь к сжатому файлу: " + compressedFile.getAbsolutePath());
        System.out.println("Путь к кодировочной таблице " + table.getAbsolutePath());
        System.out.println("Без таблицы файл будет невозможно извлечь!");
        
        double idealRatio = Math.round(operator.getCompressionRatio() * 100) / (double) 100;//идеализированный коэффициент
        double realRatio = Math.round((double) inputFile.length() 
        		/ ((double) compressedFile.length() + (double) table.length()) * 100) / (double)100;//настоящий коэффициент
        
        System.out.println("Идеализированный коэффициент сжатия равен " + idealRatio);
        System.out.println("Коэффициент сжатия с учетом кодировочной таблицы " + realRatio);
    }

    public static void extract(String filePath, String tablePath) throws FileNotFoundException, IOException {
        HuffmanOperator operator = new HuffmanOperator();
        File compressedFile = new File(filePath),
        	 tableFile = new File(tablePath),
        	 extractedFile = new File(filePath + ".xtr");
        String compressed = "";
        String[] encodingArray = new String[ENCODING_TABLE_SIZE];
        //read compressed file
        //!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!check here:
        try (FileInputHelper fi = new FileInputHelper(compressedFile)) {
        	byte b;
        	while (true) {
        		b = fi.readByte();//method returns EOFException
        		compressed += String.format("%8s", Integer.toBinaryString(b & 0xff)).replace(" ", "0");
        	}
        } catch (EOFException e) {
        	
        }
        
        //--------------------
        
        //read encoding table:
        try (FileInputHelper fi = new FileInputHelper(tableFile)) {
        	fi.readLine();//skip first empty string
        	encodingArray[(byte)'n'] = fi.readLine();//read code for 'n'
        	while (true) {
        		String s = fi.readLine();
        		if (s == null)
        			throw new EOFException();
        		encodingArray[(byte)s.charAt(0)] = s.substring(1, s.length());        		
        	}
        } catch (EOFException ignore) {}
        
        extractedFile.createNewFile();
        //extract:
		try (FileOutputHelper fo = new FileOutputHelper(extractedFile)) {
			fo.writeString(operator.extract(compressed, encodingArray));
		}
		
		System.out.println("Путь к распакованному файлу " + extractedFile.getAbsolutePath());
    }
}

તમારે જાતે readme.txt સૂચનાઓ સાથે ફાઇલ લખવી પડશે 🙂

નિષ્કર્ષ

મને લાગે છે કે હું એટલું જ કહેવા માંગતો હતો. જો તમારી પાસે કોડ, અલ્ગોરિધમ, સામાન્ય રીતે, કોઈપણ ઑપ્ટિમાઇઝેશનમાં સુધારાઓની મારી અસમર્થતા વિશે કંઈક કહેવાનું હોય, તો પછી લખવા માટે નિઃસંકોચ. જો મેં કંઈક સમજાવ્યું નથી, તો કૃપા કરીને પણ લખો. મને ટિપ્પણીઓમાં તમારી પાસેથી સાંભળવું ગમશે!

PS

હા, હા, હું હજી પણ અહીં છું, કારણ કે હું ગુણાંક વિશે ભૂલી ગયો નથી. સ્ટ્રિંગ s1 માટે, એન્કોડિંગ કોષ્ટકનું વજન 48 બાઇટ્સ છે - મૂળ ફાઇલ કરતાં ઘણું વધારે, અને તેઓ વધારાના શૂન્ય વિશે ભૂલ્યા નથી (ઉમેરેલા શૂન્યની સંખ્યા 7 છે) => કમ્પ્રેશન રેશિયો એક કરતા ઓછો હશે: 176 /(65 + 48*8 + 7) = 0.38. જો તમે પણ આ નોંધ્યું છે, તો પછી ફક્ત ચહેરા પર જ નહીં, તમારું કામ થઈ ગયું. હા, આ અમલીકરણ નાની ફાઇલો માટે અત્યંત બિનકાર્યક્ષમ હશે. પરંતુ મોટી ફાઇલોનું શું થાય છે? ફાઇલનું કદ એન્કોડિંગ કોષ્ટકના કદ કરતાં ઘણું મોટું છે. આ તે છે જ્યાં અલ્ગોરિધમ જોઈએ તે પ્રમાણે કાર્ય કરે છે! ઉદાહરણ તરીકે, માટે ફોસ્ટનું એકપાત્રી નાટક આર્કાઇવર 1.46 ની બરાબર વાસ્તવિક (આદર્શ નહીં) ગુણાંક આપે છે - લગભગ દોઢ ગણો! અને હા, ફાઈલ અંગ્રેજીમાં હોવી જોઈતી હતી.

સોર્સ: www.habr.com