当前位置:Gxlcms > php框架 > PHP实现Huffman编码/解码的示例代码

PHP实现Huffman编码/解码的示例代码

时间:2021-07-01 10:21:17 帮助过:21人阅读

Huffman 编码是一种数据压缩算法。我们常用的 zip 压缩,其核心就是 Huffman 编码,还有在 HTTP/2 中,Huffman 编码被用于 HTTP 头部的压缩。

本文就来用 PHP 来实践一下 Huffman 编码和解码。

1. 编码

字数统计

Huffman编码的第一步就是要统计文档中每个字符出现的次数,PHP的内置函数 count_chars() 就可以做到:

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

构造Huffman树

接下来根据统计结果构造Huffman树,构造方法在 Wikipedia 有详细的描述。这里用PHP写了一个简易版的:

  1. $huffmanTree = [];
  2. foreach ($stat as $char => $count) {
  3. $huffmanTree[] = [
  4. 'k' => chr($char),
  5. 'v' => $count,
  6. 'left' => null,
  7. 'right' => null,
  8. ];
  9. }
  10. // 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
  11. $size = count($huffmanTree);
  12. for ($i = 0; $i !== $size - 1; $i++) {
  13. uasort($huffmanTree, function ($a, $b) {
  14. if ($a['v'] === $b['v']) {
  15. return 0;
  16. }
  17. return $a['v'] < $b['v'] ? -1 : 1;
  18. });
  19. $a = array_shift($huffmanTree);
  20. $b = array_shift($huffmanTree);
  21. $huffmanTree[] = [
  22. 'v' => $a['v'] + $b['v'],
  23. 'left' => $b,
  24. 'right' => $a,
  25. ];
  26. }
  27. $root = current($huffmanTree);

经过计算之后,$root 就会指向 Huffman 树的根节点

根据Huffman树生成编码字典

有了 Huffman 树,就可以生成用于编码的字典:

  1. function buildDict($elem, $code = '', &$dict) {
  2. if (isset($elem['k'])) {
  3. $dict[$elem['k']] = $code;
  4. } else {
  5. buildDict($elem['left'], $code.'0', $dict);
  6. buildDict($elem['right'], $code.'1', $dict);
  7. }
  8. }
  9. $dict = [];
  10. buildDict($root, '', $dict);

写文件

运用字典将文件内容进行编码,并写入文件。将Huffman编码写入文件的有几个注意的地方:

将编码字典和编码内容一起写入文件后,就没法区分他们的边界了,因此需要在文件开始写入他们各自占用的字节数

PHP提供的 fwrite() 函数一次能写入 8-bit(一个字节)或者是 8的整数倍个bit。但Huffman编码中,一个字符可能只使用 1-bit 表示,PHP不支持只往文件中写入 1-bit 这种操作。所以需要我们自行对编码进行拼接,每凑齐 8-bit 才写入文件。

每凑齐8-bit才写入

与第二条类似,最终形成的文件大小一定是 8-bit 的整数倍。所以如果整个编码的大小是 8001-bit的话,还要在末尾补上 7个 0

  1. $dictString = serialize($dict);
  2. // 写入字典和编码各自占用的字节数
  3. $header = pack('VV', strlen($dictString), strlen($input));
  4. fwrite($outFile, $header);
  5. // 写入字典本身
  6. fwrite($outFile, $dictString);
  7. // 写入编码的内容
  8. $buffer = '';
  9. $i = 0;
  10. while (isset($input[$i])) {
  11. $buffer .= $dict[$input[$i]];
  12. while (isset($buffer[7])) {
  13. $char = bindec(substr($buffer, 0, 8));
  14. fwrite($outFile, chr($char));
  15. $buffer = substr($buffer, 8);
  16. }
  17. $i++;
  18. }
  19. // 末尾的内容如果没有凑齐 8-bit,需要自行补齐
  20. if (!empty($buffer)) {
  21. $char = bindec(str_pad($buffer, 8, '0'));
  22. fwrite($outFile, chr($char));
  23. }
  24. fclose($outFile);

解码

Huffman编码的解码相对简单:先读取编码字典,然后根据字典解码出原始字符。

解码过程有个问题需要注意:由于我们在编码过程中,在文件末尾补齐了几个0-bit,如果这些 0-bit 在字典中恰巧是某个字符的编码时,就会造成错误的解码。

所以解码过程中,当已解码的字符数达到文档长度时,就要停止解码。

  1. <?php
  2. $content = file_get_contents('a.out');
  3. // 读出字典长度和编码内容长度
  4. $header = unpack('VdictLen/VcontentLen', $content);
  5. $dict = unserialize(substr($content, 8, $header['dictLen']));
  6. $dict = array_flip($dict);
  7. $bin = substr($content, 8 + $header['dictLen']);
  8. $output = '';
  9. $key = '';
  10. $decodedLen = 0;
  11. $i = 0;
  12. while (isset($bin[$i]) && $decodedLen !== $header['contentLen']) {
  13. $bits = decbin(ord($bin[$i]));
  14. $bits = str_pad($bits, 8, '0', STR_PAD_LEFT);
  15. for ($j = 0; $j !== 8; $j++) {
  16. // 每拼接上 1-bit,就去与字典比对是否能解码出字符
  17. $key .= $bits[$j];
  18. if (isset($dict[$key])) {
  19. $output .= $dict[$key];
  20. $key = '';
  21. $decodedLen++;
  22. if ($decodedLen === $header['contentLen']) {
  23. break;
  24. }
  25. }
  26. }
  27. $i++;
  28. }
  29. echo $output;

试验

我们将Huffman编码Wiki页 的HTML代码保存到本地,进行Huffman编码测试,试验结果:

编码前: 418,504 字节

编码后: 280,127 字节

空间节省了 33%,如果原文的重复内容较多,Huffman编码节省的空间可以达到 50% 以上.

除了文本内容,我们再尝试将一个二进制文件进行Huffman编码,比如 f.lux的安装程序 ,试验结果如下:

编码前: 770,384 字节

编码后: 773,076 字节

编码后反而占用了更大的空间,一方面是由于我们存储字典时,并没有做额外的处理,占用了不少空间。另一方面,二进制文件中,各个字符出现的概率相对比较平均,无法发挥Huffman编码的优势。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。

人气教程排行