用文本编码 Huffman 表答案

【问题标题】：Encode Huffman table with text用文本编码 Huffman 表
【发布时间】：2017-06-03 02:39:16
【问题描述】：

我有一个实现霍夫曼编码来编码文本的代码。

鉴于以下文字

abbccc

我的程序生成下表

a -> 00
b -> 01
c -> 1

所以编码后的文本（位数组）是

000101111

问题是：我需要将表格与文本一起编码，但我不知道推荐的方法是什么。

到目前为止我的想法：

第一个字节是表中键值对的数量N
接下来的 N*2 字节是键值对本身（一个字节为键，一个字节为值）
剩余位是编码文本本身

您能否为此建议我一些更灵活但更便宜（低内存使用）的方法？

【问题讨论】：

我很确定 DEFLATE 算法使用 Huffman 编码。你可以看看他们是如何做到的。警告文档有点密集且难以理解。我还没有弄明白。几年前我记得，如果你按照一定的程序来构建霍夫曼树，然后以某种排序顺序存储 KVP，就会有一个唯一的表示，这使得存储表非常紧凑。 ietf.org/rfc/rfc1951.txt
如果您想以尽可能小的尺寸存储表格（您并没有真正说出“便宜”的含义），然后查找规范的霍夫曼代码。对于初学者，en.wikipedia.org/wiki/Canonical_Huffman_code。我认为这就是@ithenoob 正在讨论的内容？
@Gene：我特别指的是 DEFLATE 管理其字典的方式，我相信它也以某种神秘的方式被压缩。但是，您链接到的维基百科页面似乎更有希望，因为它更具可读性并且明确指出将讨论紧凑的霍夫曼表示。
@Gene，“便宜”是指内存。我编辑了我的问题以使其清楚。感谢您指出这一点。
@ithenoob，我会尽快阅读此规范，谢谢。

标签： data-structures language-agnostic huffman-code

【解决方案1】：

Deflate RFC1951 将 Huffman 表存储在压缩数据的前面。请参阅第 3.2.7 节。您不需要存储代码（在您的情况下为 00,01,1），而是存储它们的长度（即 2,2,1）。第 3.2.2 节描述了在解压缩时如何将这些长度转换回代码。该表由您将拥有的所有符号的长度序列描述，在您的小示例中，它将类似于 0,0,0,...,2,2,1,....0。零表示这些符号不会出现在文件中，除了长度为 2、2、1 的 a、b、c 之外。为了使这个长度表紧凑，您可以进行游程长度编码。在 Deflate（第 3.2.7 节）中，长度符号 18(n) 将长度为 0 的序列编码 n 次。下一个问题是如何编码长度符号'18'？您可以使用 5 位代码来表示 0 到 18 的长度符号，以使其更简单。或者您也可以使用 Huffman 对它们进行编码，例如使用 Deflate 所做的 0-7 位代码。

【讨论】：