如何读取二进制文件来计算霍夫曼树的频率？

Question

我必须从“二进制文件”中计算霍夫曼树的频率作为唯一参数。 我怀疑二进制文件是仅包含“0”和“1”的文件。

而频率是字母数量的重复（例如，abbacdd，其中a = 2的频率，b = 2，c = 1，d = 2）。 我的结构必须是这样的：

struct Node
{
unsigned char symbol;   /* the symbol or alphabets */
int freq;               /* related frequency */
struct Node *left,*right; /* Left and right leafs */
};

但我根本不明白如何从“.bin”文件（仅包含“0”和“1”）获取符号？

当我尝试查看文件的内容时，我得到：

hp@ubuntu:~/Desktop/Internship_Xav/Huf_pointer$ xxd -b out.bin 
0000000: 00000000 00000000 00000000 00000000 00000000 00000000  ......
0000006: 00000000 00000000 00000000 00000000 00000000 00000000  ......
000000c: 00000000 00000000 00000000 00000000 00000000 00000000  ......
0000012: 00000000 00000000 00000000 00000000 00000000 00000000  ......
0000018: 00000000 00000000 00000000 00000000 00000000 00000000  ......
000001e: 00000000 00000000 00000000 00000000 00000000 00000000  ......
0000024: 00000000 00000000 00000000 00000000 00000000 00000000  ......
000002a: 00000000 00000000 00000000 00000000 00000000 00000000  ......
0000030: 00000000 00000000 00000000 00000000 00000000 00000000  ......
.........//Here also there is similar kind of data    ................
00008ca: 00010011 00010011 00010011 00010011 00010011 00010011  ......
00008d0: 00010011 00010011 00010011 00010011 00010011 00010011  ......
00008d6: 00010011 00010011 00010011 00010011 00010011 00010011  ..... 

所以， 我根本不了解频率在哪里以及符号在哪里。 如何存储符号以及如何计算频率。 实际上，在有频率和符号之后，我将使用它创建HUffman树。

Answer 1

首先，您需要创建某种频率表。
你可以使用std::map 。
你会做这样的事情：

#include <algorithm>
#include <fstream>
#include <map>
#include <string>

std::map <unsigned char, int> CreateFrequencyTable (const std::string &strFile)
{
    std::map <unsigned char, int> char_freqs ; // character frequencies

    std::ifstream file (strFile) ;

    int next = 0 ;
    while ((next = file.get ()) != EOF) {
        unsigned char uc = static_cast <unsigned char> (next) ;

        std::map <unsigned char, int>::iterator iter ;
        iter = char_freqs.find (uc) ;

        // This character is in our map.
        if (iter != char_freqs.end ()) {
            iter->second += 1 ;
        }

        // This character is not in our map yet.
        else {
            char_freqs [uc] = 1 ;
        }
    }

    return char_freqs ;
}

然后你可以像这样使用这个函数：

std::map <unsigned char, int> char_freqs = CreateFrequencyTable ("file") ;

您可以获得频率最高的元素，如下所示：

std::map <unsigned char, int>::iterator iter = std::max_element (
    char_freqs.begin (), 
    char_freqs.end (), 
    std::map <unsigned char, int>::value_comp
) ;

然后你需要建立你的霍夫曼树。
请记住，字符都是叶节点，因此您需要一种方法来区分叶节点和非叶节点。

更新

如果从文件中读取单个字符太慢，您可以始终将所有内容加载到这样的向量中：

// Make sure to #include <iterator>
std::ifstream file ("test.txt") ;
std::istream_iterator <unsigned char> begin = file ;
std::vector<unsigned char> vecBuffer (begin, std::istream_iterator <unsigned char> ()) ;

您仍然需要创建频率表。

Answer 2

霍夫曼树中的符号可以是任何东西，
但是你必须为每个符号使用一个unsigned char
你应该拿一个字节？
所以不，不仅是0或1，而是八次0或1。

就像输出xxd某处的00010011一样
xxd -b将为每个字节提供8个0/1。
你也可以写一个0到255之间的数字，
或两次一个字符0123456789abcdef
如何在屏幕上显示一个字节有很多可能性，
但这根本不重要。

如果您知道如何在C / C ++中读取文件的内容，
只需读取unsigned char直到文件结束
并计算那里的值是多少。 就这样。

因为您可能在程序代码中写入十进制数字，
有256个不同的值（0,1,2 ... 255）。
所以你需要256个整数（在一个数组中，或你的Node结构......）
计算每个值出现的频率。