Huffman編碼是什麼?php中Huffman編碼與解碼的實作方法

Huffman編碼是什麼?Huffman 編碼是一種資料壓縮演算法。我們常用的 zip 壓縮，其核心就是 Huffman 編碼，還有在 HTTP/中，Huffman 編碼被用於 HTTP 頭部的壓縮。這篇文章中我將給大家分享php中Huffman編碼與解碼的實作方法。

1. Huffman編碼

字數統計

Huffman編碼的第一步就是要統計文件中每個字元出現的次數，PHP的內建函數count_chars() 就可以做到：

$input = file_get_contents('input.txt');
$stat = count_chars($input, 1);

建構Huffman樹

接下來根據統計結果建構Huffman樹，建構方法在Wikipedia 有詳細的描述。這裡用PHP寫了一個簡易版的：

$huffmanTree = [];foreach ($stat as $char => $count) {
    $huffmanTree[] = [        
    'k' => chr($char),        
    'v' => $count,        
    'left' => null,        
    'right' => null,
    ];
}// 构造树的层级关系，思想见wiki：https://zh.wikipedia.org/wiki/%E9%9C%8D%E5%A4%AB%E6%9B%BC%E7%BC%96%E7%A0%81$size = count($huffmanTree);for ($i = 0; $i !== $size - 1; $i++) {
    uasort($huffmanTree, function ($a, $b) {        
    if ($a['v'] === $b['v'])
     {            
     return 0;
        }        
        return $a[&#39;v&#39;] < $b[&#39;v&#39;] ? -1 : 1;
    });
    $a = array_shift($huffmanTree);
    $b = array_shift($huffmanTree);
    $huffmanTree[] = [        
    &#39;v&#39; => $a[&#39;v&#39;] + $b[&#39;v&#39;],        
    &#39;left&#39; => $b,        
    &#39;right&#39; => $a,
    ];
}
$root = current($huffmanTree);

經過計算之後，$root 就會指向Huffman 樹的根節點

根據Huffman樹產生編碼字典

#有了Huffman 樹，就可以產生用於編碼的字典：

function buildDict($elem, $code = '', &$dict) {    
if (isset($elem['k']))
 {
        $dict[$elem['k']] = $code;
    } else {
        buildDict($elem['left'], $code.'0', $dict);
        buildDict($elem['right'], $code.'1', $dict);
    }
}
$dict = [];
buildDict($root, '', $dict);

寫入檔案

#運用字典將檔案內容編碼，並寫入檔案。將Huffman編碼寫入檔案的有幾個注意的地方：

將編碼字典和編碼內容一起寫入檔案後，就沒法區分他們的邊界了，因此需要在檔案開始寫入他們各自佔用的位元組數

PHP提供的fwrite() 函數一次能寫入8-bit（一個位元組）或是8的整數倍個bit。但Huffman編碼中，一個字元可能只用 1-bit 表示，PHP不支援只往檔案中寫入 1-bit 這種操作。所以需要我們自行對編碼進行拼接，每湊齊 8-bit 才會寫入檔案。

每湊齊8-bit才寫入

與第二條類似，最終形成的檔案大小一定是 8-bit 的整數倍。所以如果整個編碼的大小是8001-bit的話，還要在末尾補上7個0

$dictString = serialize($dict);// 写入字典和编码各自占用的字节数
$header = pack('VV', strlen($dictString), strlen($input));
fwrite($outFile, $header);// 写入字典本身
fwrite($outFile, $dictString);// 写入编码的内容$buffer = '';
$i = 0;while (isset($input[$i])) {
    $buffer .= $dict[$input[$i]];    
    while (isset($buffer[7])) {
        $char = bindec(substr($buffer, 0, 8));
        fwrite($outFile, chr($char));
        $buffer = substr($buffer, 8);
    }
    $i++;
}// 末尾的内容如果没有凑齐 8-bit，需要自行补齐
if (!empty($buffer))
 {
    $char = bindec(str_pad($buffer, 8, '0'));
    fwrite($outFile, chr($char));
}
fclose($outFile);

2.Huffman編碼的解碼

Huffman編碼的解碼相對簡單：先讀取編碼字典，然後根據字典解碼出原始字元。

解碼過程有個問題要注意：由於我們在編碼過程中，在檔案結尾補齊了幾個0-bit，如果這些0-bit 在字典中剛好是某個字元的編碼時，就會造成錯誤的解碼。

所以解碼過程中，當已解碼的字元數達到文件長度時，就要停止解碼。

<?php
$content = file_get_contents(&#39;a.out&#39;);// 读出字典长度和编码内容长度
$header = unpack(&#39;VdictLen/VcontentLen&#39;, $content);
$dict = unserialize(substr($content, 8, $header[&#39;dictLen&#39;]));
$dict = array_flip($dict);
$bin = substr($content, 8 + $header[&#39;dictLen&#39;]);
$output = &#39;&#39;;
$key = &#39;&#39;;
$decodedLen = 0;
$i = 0;
while (isset($bin[$i]) && $decodedLen !== $header[&#39;contentLen&#39;]) {
    $bits = decbin(ord($bin[$i]));
    $bits = str_pad($bits, 8, &#39;0&#39;, STR_PAD_LEFT);    
    for ($j = 0; $j !== 8; $j++) {        // 每拼接上 1-bit，就去与字典比对是否能解码出字符
        $key .= $bits[$j];        
        if (isset($dict[$key]))
         {
            $output .= $dict[$key];
            $key = &#39;&#39;;
            $decodedLen++;            
            if ($decodedLen === $header[&#39;contentLen&#39;])
             {             
                break;
            }
        }
    }
    $i++;
}echo $output;

3.試驗

我們將Huffman編碼Wiki頁的HTML代碼儲存到本地，進行Huffman編碼測試，試驗結果：

#編碼前: 418,504 位元組

編碼後: 280,127 位元組

空間節省了33%，如果原文的重複內容較多，Huffman編碼節省的空間可以達到50% 以上.

除了文字內容，我們再嘗試將一個二進位檔案進行Huffman編碼，例如f.lux的安裝程序，試驗結果如下：

編碼前: 770,384 位元組

編碼後: 773,076 位元組

編碼後反而佔用了更大的空間，一方面是由於我們儲存字典時，並沒有做額外的處理，佔用了不少空間。另一方面，在二進位檔案中，各個字元出現的機率相對比較平均，無法發揮Huffman編碼的優勢。

相關推薦：

php對URL傳參進行編碼和解碼解析

以上是Huffman編碼是什麼?php中Huffman編碼與解碼的實作方法的詳細內容。更多資訊請關注PHP中文網其他相關文章！