如何在文件中打印位而不是字节？

Question

我正在使用霍夫曼算法开发文件压缩器，现在我面临一个问题：

通过对单词使用算法： stackoverflow，我得到以下结果：

a,c,e,f,k,l,r,s,t,v,w = 1 time repeated
o = 2 times repeated

a,c,e,f,k,l,r,s,t,v,w = 7.69231%
and
o = 15.3846%

所以我开始将 then 插入二叉树，这将得到结果：

o=00
a=010
e=0110
c=0111
t=1000
s=1001
w=1010
v=1011
k=1100
f=1101
r=1110
l=1111

表示角色在树中的路径，0为左，1为右。

那么“stackoverflow”这个词将是： 100110000100111010011111000010110110111011011111001010

好吧，我想将整个值放入二进制文件中，以位为单位，这将导致 47 位，恰好是 6 字节，但我只能将其设为 47 字节，因为放入的最小值fwrite 或 fprintf 文件为 1byte，使用 sizeof(something)。

我的问题是：我怎样才能在我的文件中只打印一个位？

Answer 1

只需将“标题”写入文件：位数，然后将这些位“打包”到填充最后一个字节的字节中。这是一个示例。

#include <stdio.h>

FILE* f;

/* how many bits in current byte */
int bit_counter;
/* current byte */
unsigned char cur_byte;

/* write 1 or 0 bit */
void write_bit(unsigned char bit)
{
    if(++bit_counter == 8)
    {
        fwrite(&cur_byte,1,1,f);
        bit_counter = 0;
        cur_byte = 0;
    }

    cur_byte <<= 1;
    cur_byte |= bit;
}

int main()
{
    f = fopen("test.bits", "w");

    cur_byte = 0;
    bit_counter = 0;

    /* write the number of bits here to decode the bitstream later (47 in your case) */
    /* int num = 47; */           
    /* fwrite(num, 1, 4, f); */

    write_bit(1);
    write_bit(0);
    write_bit(0);
    /* etc...  - do this in a loop for each encoded character */
    /* 100110000100111010011111000010110110111011011111001010 */

    if(bit_counter > 0)
    {
         // pad the last byte with zeroes
         cur_byte <<= 8 - bit_counter;
         fwrite(&cur_byte, 1, 1, f);
    }

    fclose(f);

    return 0;
}

当然，要完成完整的 Huffman 编码器，您必须在开头编写位码。

Answer 2

这是一个编码问题。问题是文件只能包含字节 - 所以文件中的 1 和 0 只能是 '1' 和 '0' - 1 和 0 的字符是字节。

您要做的是将位打包成字节，创建一个文件，其中包含一组字节中的位。您将无法在文本编辑器中打开文件 - 它不知道您想将每个 bit 显示为 1 或 0 char，它会显示无论每个打包字节结果如何。不过，您可以使用了解如何处理二进制文件的编辑器打开它。例如，vim 可以做到这一点。

就额外的尾随字节或文件结束标记而言，您将不得不创建某种编码约定。例如，您可以使用额外的零打包和填充，就像您在 cmets 中提到的那样，但按照惯例，前 N 个字节是元数据 - 例如数据长度，文件中有多少位感兴趣。这种事情很常见。

Answer 3

您需要自己进行管理，方法是缓冲要写入的位，并且仅在您拥有完整字节时才实际写入数据。比如……

 void writeBit(bool b)
 {
   static char buffer=0;
   static int bitcount=0;

   buffer = (buffer << 1) | (b ? 1:0);

   if (++bitcount == 8)
   {
     fputc(buffer); // write out the byte
     bitcount = 0;
     buffer = 0;
   }
 } 

上面不是可重入的（并且可能效率很低） - 您需要确保以某种方式在最后刷新任何半写入的字节（可能会写入额外的 7 个零位）但您应该大致了解一下。