ഹഫ്മാൻ അൽഗോരിതം ഉപയോഗിച്ചുള്ള ഡാറ്റ കംപ്രഷൻ

എൻട്രി

ഈ ലേഖനത്തിൽ, ഞാൻ അറിയപ്പെടുന്ന ഹഫ്മാൻ അൽഗോരിതത്തെക്കുറിച്ചും ഡാറ്റ കംപ്രഷനിൽ അതിന്റെ പ്രയോഗത്തെക്കുറിച്ചും സംസാരിക്കും.

ഫലമായി, ഞങ്ങൾ ഒരു ലളിതമായ ആർക്കൈവർ എഴുതും. ഇത് ഇതിനകം ഉണ്ടായിട്ടുണ്ട് ഹബ്രെയെക്കുറിച്ചുള്ള ലേഖനം, എന്നാൽ പ്രായോഗികമായി നടപ്പിലാക്കാതെ. നിലവിലെ പോസ്റ്റിന്റെ സൈദ്ധാന്തിക വസ്തുക്കൾ സ്കൂൾ കമ്പ്യൂട്ടർ സയൻസ് പാഠങ്ങളിൽ നിന്നും റോബർട്ട് ലാഫോറെറ്റിന്റെ "ഡാറ്റ സ്ട്രക്ചറുകളും അൽഗോരിതംസ് ഇൻ ജാവ" എന്ന പുസ്തകത്തിൽ നിന്നും എടുത്തതാണ്. അതിനാൽ, എല്ലാം വെട്ടിക്കുറച്ചതാണ്!

ഒരു ചെറിയ പ്രതിഫലനം

ഒരു സാധാരണ ടെക്സ്റ്റ് ഫയലിൽ, ഒരു പ്രതീകം 8 ബിറ്റുകൾ (ASCII എൻകോഡിംഗ്) അല്ലെങ്കിൽ 16 (യൂണികോഡ് എൻകോഡിംഗ്) ഉപയോഗിച്ച് എൻകോഡ് ചെയ്തിരിക്കുന്നു. അടുത്തതായി, ഞങ്ങൾ ASCII എൻകോഡിംഗ് പരിഗണിക്കും. ഉദാഹരണത്തിന്, s1 = "SUSIE SAYS IT IS EASYn" എന്ന സ്ട്രിംഗ് എടുക്കുക. സ്‌പെയ്‌സുകളും പുതിയ ലൈൻ പ്രതീകം - 'n' ഉൾപ്പെടെ, തീർച്ചയായും, വരിയിൽ 22 പ്രതീകങ്ങൾ ഉണ്ട്. ഈ ലൈൻ അടങ്ങിയ ഫയലിന്റെ ഭാരം 22*8 = 176 ബിറ്റുകൾ ആയിരിക്കും. ചോദ്യം ഉടനടി ഉയർന്നുവരുന്നു: 8 പ്രതീകം എൻകോഡ് ചെയ്യുന്നതിന് എല്ലാ 1 ബിറ്റുകളും ഉപയോഗിക്കുന്നത് യുക്തിസഹമാണോ? ഞങ്ങൾ എല്ലാ ASCII പ്രതീകങ്ങളും ഉപയോഗിക്കുന്നില്ല. അവയാണെങ്കിൽ പോലും, ഏറ്റവും സാധാരണമായ അക്ഷരം - S - സാധ്യമായ ഏറ്റവും ചെറിയ കോഡ്, അപൂർവമായ അക്ഷരത്തിന് - T (അല്ലെങ്കിൽ U, അല്ലെങ്കിൽ 'n') - കോഡ് കൂടുതൽ ആധികാരികമായി നൽകുന്നത് കൂടുതൽ യുക്തിസഹമായിരിക്കും. ഇതാണ് ഹഫ്മാൻ അൽഗോരിതത്തിന്റെ സാരാംശം: മികച്ച എൻകോഡിംഗ് ഓപ്ഷൻ കണ്ടെത്തേണ്ടത് ആവശ്യമാണ്, അതിൽ ഫയലിന് കുറഞ്ഞ ഭാരം ഉണ്ടായിരിക്കും. വ്യത്യസ്ത പ്രതീകങ്ങൾക്ക് വ്യത്യസ്ത കോഡ് ദൈർഘ്യം ഉണ്ടായിരിക്കുന്നത് തികച്ചും സാധാരണമാണ് - ഇതാണ് അൽഗോരിതത്തിന്റെ അടിസ്ഥാനം.

കോഡിംഗ്

എന്തുകൊണ്ട് 'S' എന്ന അക്ഷരത്തിന് ഒരു കോഡ് നൽകരുത്, ഉദാഹരണത്തിന്, 1 ബിറ്റ് നീളം: 0 അല്ലെങ്കിൽ 1. അത് 1 ആയിരിക്കട്ടെ. അപ്പോൾ ഏറ്റവും കൂടുതൽ സംഭവിക്കുന്ന രണ്ടാമത്തെ പ്രതീകം - ' ' (സ്പേസ്) - ഞങ്ങൾ 0 നൽകും. സങ്കൽപ്പിക്കുക, നിങ്ങൾ തുടങ്ങി നിങ്ങളുടെ സന്ദേശം ഡീകോഡ് ചെയ്യുക - എൻകോഡ് ചെയ്ത സ്ട്രിംഗ് s1 - കോഡ് 1-ൽ ആരംഭിക്കുന്നതായി നിങ്ങൾ കാണുന്നു. അപ്പോൾ, എന്തുചെയ്യണം: ഇത് S എന്ന അക്ഷരമാണോ അതോ A പോലെയുള്ള മറ്റേതെങ്കിലും പ്രതീകമാണോ? അതിനാൽ, ഒരു പ്രധാന നിയമം ഉയർന്നുവരുന്നു:

ഒരു കോഡും മറ്റൊന്നിന്റെ പ്രിഫിക്‌സ് ആയിരിക്കരുത്

ഈ നിയമം അൽഗോരിതത്തിന്റെ താക്കോലാണ്. അതിനാൽ, കോഡിന്റെ സൃഷ്ടി ആരംഭിക്കുന്നത് ഒരു ഫ്രീക്വൻസി പട്ടികയിൽ നിന്നാണ്, ഇത് ഓരോ ചിഹ്നത്തിന്റെയും ആവൃത്തി (സംഭവങ്ങളുടെ എണ്ണം) സൂചിപ്പിക്കുന്നു:

ഏറ്റവും കൂടുതൽ സംഭവങ്ങളുള്ള പ്രതീകങ്ങൾ ഏറ്റവും കുറച്ച് എൻകോഡ് ചെയ്യണം സാധ്യമാണ് ബിറ്റുകളുടെ എണ്ണം. സാധ്യമായ കോഡ് പട്ടികകളിലൊന്നിന്റെ ഉദാഹരണം ഞാൻ നൽകും:

അതിനാൽ എൻകോഡ് ചെയ്ത സന്ദേശം ഇതുപോലെ കാണപ്പെടും:

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

ഓരോ കഥാപാത്രത്തിന്റെയും കോഡ് ഞാൻ ഒരു സ്‌പെയ്‌സ് ഉപയോഗിച്ച് വേർതിരിച്ചു. കംപ്രസ് ചെയ്ത ഫയലിൽ ഇത് ശരിക്കും സംഭവിക്കില്ല!
ചോദ്യം ഉയർന്നുവരുന്നു: ഈ റൂക്കി എങ്ങനെയാണ് ഒരു കോഡ് ടേബിൾ സൃഷ്ടിക്കാൻ ഒരു കോഡ് കൊണ്ടുവന്നത്? ഇത് താഴെ ചർച്ച ചെയ്യും.

ഒരു ഹഫ്മാൻ ട്രീ നിർമ്മിക്കുന്നു

ഇവിടെയാണ് ബൈനറി സെർച്ച് മരങ്ങൾ രക്ഷാപ്രവർത്തനത്തിന് എത്തുന്നത്. വിഷമിക്കേണ്ട, നിങ്ങൾക്ക് ഇവിടെ തിരയൽ, തിരുകൽ, ഇല്ലാതാക്കൽ രീതികൾ ആവശ്യമില്ല. ജാവയിലെ ട്രീ ഘടന ഇതാ:

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;
    }
    ...
}

ഇത് പൂർണ്ണമായ കോഡ് അല്ല, മുഴുവൻ കോഡും താഴെ ആയിരിക്കും.

മരം നിർമ്മാണ അൽഗോരിതം ഇതാ:

1. സന്ദേശത്തിൽ നിന്ന് ഓരോ പ്രതീകത്തിനും ഒരു നോഡ് ഒബ്‌ജക്റ്റ് സൃഷ്‌ടിക്കുക (ലൈൻ s1). ഞങ്ങളുടെ കാര്യത്തിൽ, 9 നോഡുകൾ (നോഡ് ഒബ്ജക്റ്റുകൾ) ഉണ്ടാകും. ഓരോ നോഡിലും രണ്ട് ഡാറ്റ ഫീൽഡുകൾ അടങ്ങിയിരിക്കുന്നു: ചിഹ്നവും ആവൃത്തിയും
2. ഓരോ നോഡ് നോഡുകൾക്കും ഒരു ട്രീ ഒബ്ജക്റ്റ് (ബൈനറി ട്രീ) സൃഷ്ടിക്കുക. നോഡ് മരത്തിന്റെ വേരായി മാറുന്നു.
3. മുൻഗണനാ ക്യൂവിലേക്ക് ഈ മരങ്ങൾ ചേർക്കുക. കുറഞ്ഞ ആവൃത്തി, ഉയർന്ന മുൻഗണന. അങ്ങനെ, വേർതിരിച്ചെടുക്കുമ്പോൾ, ഏറ്റവും കുറഞ്ഞ ആവൃത്തിയിലുള്ള വൃക്ഷം എല്ലായ്പ്പോഴും തിരഞ്ഞെടുക്കപ്പെടുന്നു.

അടുത്തതായി, നിങ്ങൾ ചാക്രികമായി ഇനിപ്പറയുന്നവ ചെയ്യേണ്ടതുണ്ട്:

1. മുൻഗണനാ ക്യൂവിൽ നിന്ന് രണ്ട് മരങ്ങൾ വീണ്ടെടുത്ത് അവയെ ഒരു പുതിയ നോഡിന്റെ (അക്ഷരമില്ലാതെ പുതുതായി സൃഷ്ടിച്ച നോഡ്) കുട്ടികളാക്കുക. പുതിയ നോഡിന്റെ ആവൃത്തി രണ്ട് ഡിസെൻഡന്റ് ട്രീകളുടെ ആവൃത്തികളുടെ ആകെത്തുകയ്ക്ക് തുല്യമാണ്.
2. ഈ നോഡിനായി, ഈ നോഡിൽ വേരൂന്നിയ ഒരു ട്രീ ഉണ്ടാക്കുക. മുൻഗണനാ ക്യൂവിലേക്ക് ഈ വൃക്ഷം തിരികെ ചേർക്കുക. (മരത്തിന് ഒരു പുതിയ ആവൃത്തി ഉള്ളതിനാൽ, അത് മിക്കവാറും ക്യൂവിൽ ഒരു പുതിയ സ്ഥലത്ത് എത്തും)
3. ക്യൂവിൽ ഒരു മരം അവശേഷിക്കുന്നത് വരെ 1, 2 ഘട്ടങ്ങൾ തുടരുക - ഹഫ്മാൻ ട്രീ

വരി s1-ലെ ഈ അൽഗോരിതം പരിഗണിക്കുക:

ഇവിടെ "lf" (linefeed) എന്ന ചിഹ്നം ഒരു പുതിയ വരിയെ സൂചിപ്പിക്കുന്നു, "sp" (സ്പെയ്സ്) ഒരു സ്പേസ് ആണ്.

അടുത്തത് എന്ത്?

ഞങ്ങൾക്ക് ഹഫ്മാൻ മരം ലഭിച്ചു. ശരി. പിന്നെ എന്ത് ചെയ്യണം? അവർ അത് സൗജന്യമായി എടുക്കില്ല, തുടർന്ന്, മരത്തിന്റെ വേരു മുതൽ ഇലകൾ വരെ സാധ്യമായ എല്ലാ വഴികളും നിങ്ങൾ കണ്ടെത്തേണ്ടതുണ്ട്. ഇടതുവശത്തെ കുട്ടിയിലേക്കാണ് നയിക്കുന്നതെങ്കിൽ എഡ്ജ് 0 ഉം വലത് കുട്ടിയിലേക്കാണെങ്കിൽ 1 ഉം ലേബൽ ചെയ്യാൻ ഞങ്ങൾ സമ്മതിക്കുന്നു. കൃത്യമായി പറഞ്ഞാൽ, ഈ നൊട്ടേഷനുകളിൽ, ഈ പ്രതീകം അടങ്ങിയ മരത്തിന്റെ വേരിൽ നിന്ന് ഇലയിലേക്കുള്ള പാതയാണ് പ്രതീക കോഡ്.

അങ്ങനെ, കോഡുകളുടെ പട്ടിക മാറി. ഈ പട്ടിക പരിഗണിക്കുകയാണെങ്കിൽ, ഓരോ പ്രതീകത്തിന്റെയും "ഭാരം" സംബന്ധിച്ച് നമുക്ക് നിഗമനം ചെയ്യാം - ഇതാണ് അതിന്റെ കോഡിന്റെ ദൈർഘ്യം. തുടർന്ന്, കംപ്രസ് ചെയ്ത രൂപത്തിൽ, സോഴ്സ് ഫയലിന്റെ ഭാരം: 2 * 3 + 2 * 4 + 3 * 3 + 6 * 2 + 1 * 4 + 1 * 5 + 2 * 4 + 4 * 2 + 1 * 5 = 65 ബിറ്റുകൾ . ആദ്യം അതിന്റെ ഭാരം 176 ബിറ്റുകൾ ആയിരുന്നു. അതിനാൽ, ഞങ്ങൾ ഇത് 176/65 = 2.7 മടങ്ങ് കുറച്ചു! എന്നാൽ ഇതൊരു ഉട്ടോപ്യയാണ്. അത്തരമൊരു അനുപാതം ലഭിക്കാൻ സാധ്യതയില്ല. എന്തുകൊണ്ട്? ഇത് കുറച്ച് കഴിഞ്ഞ് ചർച്ച ചെയ്യും.

ഡീകോഡിംഗ്

ശരി, ഒരുപക്ഷേ അവശേഷിക്കുന്ന ഏറ്റവും ലളിതമായ കാര്യം ഡീകോഡിംഗ് ആണ്. ഒരു കംപ്രസ് ചെയ്ത ഫയൽ എങ്ങനെ എൻകോഡ് ചെയ്തു എന്നതിനെക്കുറിച്ചുള്ള സൂചനകളില്ലാതെ ലളിതമായി ഒരു കംപ്രസ് ചെയ്ത ഫയൽ സൃഷ്ടിക്കുന്നത് അസാധ്യമാണെന്ന് നിങ്ങളിൽ പലരും ഊഹിച്ചിട്ടുണ്ടെന്ന് ഞാൻ കരുതുന്നു - ഞങ്ങൾക്ക് അത് ഡീകോഡ് ചെയ്യാൻ കഴിയില്ല! അതെ, അതെ, ഇത് മനസ്സിലാക്കാൻ എനിക്ക് ബുദ്ധിമുട്ടായിരുന്നു, പക്ഷേ എനിക്ക് ഒരു കംപ്രഷൻ ടേബിൾ ഉപയോഗിച്ച് table.txt എന്ന ടെക്സ്റ്റ് ഫയൽ സൃഷ്ടിക്കേണ്ടതുണ്ട്:

01110
 00
A010
E1111
I110
S10
T0110
U01111
Y1110

'കഥാപാത്രം' "പ്രതീക കോഡ്" എന്ന ഫോമിലെ പട്ടിക എൻട്രി. എന്തുകൊണ്ടാണ് 01110 ഒരു ചിഹ്നമില്ലാതെ? വാസ്തവത്തിൽ, ഇത് ഒരു ചിഹ്നം ഉപയോഗിച്ചാണ്, ഒരു ഫയലിലേക്ക് ഔട്ട്പുട്ട് ചെയ്യുമ്പോൾ ഞാൻ ഉപയോഗിക്കുന്ന ജാവ ടൂളുകൾ, ന്യൂലൈൻ പ്രതീകം - 'n' - ഒരു ന്യൂലൈനിലേക്ക് പരിവർത്തനം ചെയ്യപ്പെടുന്നു (അത് എത്ര മണ്ടത്തരമായി തോന്നിയാലും). അതിനാൽ, മുകളിലുള്ള ശൂന്യമായ വരി കോഡ് 01110-ന്റെ പ്രതീകമാണ്. കോഡ് 00-ന്, പ്രതീകം വരിയുടെ തുടക്കത്തിൽ ഒരു സ്പെയ്സാണ്. പട്ടിക സംഭരിക്കുന്നതിനുള്ള ഈ രീതി ഞങ്ങളുടെ ഖാൻ കോഫിഫിഷ്യന്റിന് ഏറ്റവും യുക്തിരഹിതമാണെന്ന് ഞാൻ ഉടൻ തന്നെ പറയണം. എന്നാൽ അത് മനസ്സിലാക്കാനും നടപ്പിലാക്കാനും എളുപ്പമാണ്. ഒപ്റ്റിമൈസേഷനെക്കുറിച്ചുള്ള അഭിപ്രായങ്ങളിൽ നിങ്ങളുടെ ശുപാർശകൾ കേൾക്കുന്നതിൽ എനിക്ക് സന്തോഷമുണ്ട്.

ഈ പട്ടിക ഉപയോഗിച്ച്, ഡീകോഡ് ചെയ്യാൻ വളരെ എളുപ്പമാണ്. എൻകോഡിംഗ് സൃഷ്ടിക്കുമ്പോൾ ഏത് നിയമമാണ് ഞങ്ങളെ നയിച്ചതെന്ന് ഓർക്കുക:

ഒരു കോഡും മറ്റൊന്നിന്റെ പ്രിഫിക്‌സ് ആയിരിക്കരുത്

ഇവിടെയാണ് ഇത് ഒരു സുഗമമായ പങ്ക് വഹിക്കുന്നത്. ഞങ്ങൾ ബിറ്റ് ബൈ ബിറ്റ് തുടർച്ചയായി വായിക്കുന്നു, തത്ഫലമായുണ്ടാകുന്ന സ്ട്രിംഗ് d, റീഡ് ബിറ്റുകൾ അടങ്ങുന്ന, പ്രതീക പ്രതീകത്തിന് അനുയോജ്യമായ എൻകോഡിംഗുമായി പൊരുത്തപ്പെടുമ്പോൾ, പ്രതീക പ്രതീകം (അത് മാത്രം!) എൻകോഡ് ചെയ്‌തതായി ഞങ്ങൾക്ക് ഉടനടി അറിയാം. അടുത്തതായി, ഞങ്ങൾ ഡീകോഡ് സ്ട്രിംഗിലേക്ക് പ്രതീകം എഴുതുന്നു (ഡീകോഡ് ചെയ്ത സന്ദേശം അടങ്ങിയ സ്ട്രിംഗ്), d സ്ട്രിംഗ് പുനഃസജ്ജമാക്കുകയും എൻകോഡ് ചെയ്ത ഫയൽ കൂടുതൽ വായിക്കുകയും ചെയ്യുന്നു.

നടപ്പാക്കൽ

ഒരു ആർക്കൈവർ എഴുതി എന്റെ കോഡിനെ അപമാനിക്കാനുള്ള സമയമാണിത്. നമുക്ക് അതിനെ കംപ്രസർ എന്ന് വിളിക്കാം.

വീണ്ടും ആരംഭിക്കുക. ഒന്നാമതായി, ഞങ്ങൾ നോഡ് ക്ലാസ് എഴുതുന്നു:

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;
    }
}

ഇപ്പോൾ മരം:

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;
    }
}

മുൻഗണനാ ക്യൂ:

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)
    }
}

ഹഫ്മാൻ ട്രീ സൃഷ്ടിക്കുന്ന ക്ലാസ്:

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;
    }
}

എൻകോഡ്/ഡീകോഡ് ചെയ്യുന്ന ക്ലാസ്:

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("========================================================");
    }
    }

ഒരു ഫയലിലേക്ക് എഴുതാൻ സഹായിക്കുന്ന ഒരു ക്ലാസ്:

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();
    }
}

ഒരു ഫയലിൽ നിന്ന് വായിക്കാൻ സഹായിക്കുന്ന ഒരു ക്ലാസ്:

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();
    }
}

ശരി, പ്രധാന ക്ലാസ്:

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());
    }
}

നിങ്ങൾ തന്നെ readme.txt നിർദ്ദേശങ്ങളോടെ ഫയൽ എഴുതേണ്ടതുണ്ട് 🙂

തീരുമാനം

ഞാൻ പറയാൻ ആഗ്രഹിച്ചത് അത്രയേയുള്ളൂവെന്ന് ഞാൻ കരുതുന്നു. കോഡ്, അൽഗോരിതം, പൊതുവേ, ഏതെങ്കിലും ഒപ്റ്റിമൈസേഷനിലെ മെച്ചപ്പെടുത്തലുകളുടെ എന്റെ കഴിവില്ലായ്മയെക്കുറിച്ച് നിങ്ങൾക്ക് എന്തെങ്കിലും പറയാനുണ്ടെങ്കിൽ, എഴുതാൻ മടിക്കേണ്ടതില്ല. ഞാൻ എന്തെങ്കിലും വിശദീകരിച്ചിട്ടില്ലെങ്കിൽ, ദയവായി എഴുതുക. അഭിപ്രായങ്ങളിൽ നിങ്ങളിൽ നിന്ന് കേൾക്കാൻ ഞാൻ ആഗ്രഹിക്കുന്നു!

പി.എസ്

അതെ, അതെ, ഞാൻ ഇപ്പോഴും ഇവിടെയുണ്ട്, കാരണം ഞാൻ ഗുണകത്തെക്കുറിച്ച് മറന്നില്ല. സ്ട്രിംഗ് s1-ന്, എൻകോഡിംഗ് ടേബിളിന് 48 ബൈറ്റുകൾ ഭാരമുണ്ട് - യഥാർത്ഥ ഫയലിനേക്കാൾ വളരെ കൂടുതലാണ്, അധിക പൂജ്യങ്ങളെക്കുറിച്ച് അവർ മറന്നില്ല (ചേർത്ത പൂജ്യങ്ങളുടെ എണ്ണം 7 ആണ്) => കംപ്രഷൻ അനുപാതം ഒന്നിൽ കുറവായിരിക്കും: 176 /(65 + 48*8 + 7) = 0.38. നിങ്ങൾ ഇത് ശ്രദ്ധിച്ചെങ്കിൽ, മുഖത്ത് മാത്രമല്ല, നിങ്ങൾ പൂർത്തിയാക്കി. അതെ, ചെറിയ ഫയലുകൾക്ക് ഈ നടപ്പാക്കൽ വളരെ ഫലപ്രദമല്ല. എന്നാൽ വലിയ ഫയലുകൾക്ക് എന്ത് സംഭവിക്കും? ഫയൽ വലുപ്പങ്ങൾ എൻകോഡിംഗ് പട്ടികയുടെ വലുപ്പത്തേക്കാൾ വളരെ വലുതാണ്. ഇവിടെയാണ് അൽഗോരിതം പ്രവർത്തിക്കുന്നത്! ഉദാഹരണത്തിന്, വേണ്ടി ഫൗസ്റ്റിന്റെ മോണോലോഗ് ആർക്കൈവർ 1.46 ന് തുല്യമായ ഒരു യഥാർത്ഥ (ആദർശവത്കരിക്കാത്ത) ഗുണകം നൽകുന്നു - ഏകദേശം ഒന്നര തവണ! അതെ, ഫയൽ ഇംഗ്ലീഷിൽ ആയിരിക്കേണ്ടതായിരുന്നു.

അവലംബം: www.habr.com