解压，涉及到Java基础，还有二进制的内容，代码还是有一定难度的。
下面先说一下补码：
补码：正数的补码是其本身，负数的补码是其取反加一。
对于人来说，做加减法时，会先考虑其符号，而对于计算机来说，如果让计算机也先判断符号位再分别做加或者减的运算的话，会使得计算机的电路设计变得较为复杂。所以，对于这种最基础、频繁的操作，在物理逻辑的设计上也要尽量简单。
补码应此需求而生，不管是加法还是减法，都统一用加法来做运算，使计算机的设计变得更加简单了。
一、分布代码
1、完成对压缩数据的解码部分代码：
/**
* @param huffmanCodes 哈夫曼编码表 map
* @param huffmanBytes 哈夫曼编码得到的字节数组：[-88, -65, -56...]
* @return 原来的字符串对应的数组
*/
private static byte[] decode(Map<Byte, String> huffmanCodes, byte[] huffmanBytes) {
// 1.先得到huffmanBytes 对应的二进制的字符串，形式："101010001..."
StringBuilder stringBuilder = new StringBuilder();
// 2.将byte[] 转成二进制的字符串
for (int i = 0; i < huffmanBytes.length; i++) {
byte b = huffmanBytes[i];
// 判断是不是最后一个字节
boolean flag = (i == huffmanBytes.length - 1);
stringBuilder.append(byteToBitString(!flag, b));
}
System.out.println("赫夫曼字节数组转对应的二进制字符串:" + stringBuilder.toString());
return null;
}
测试：
2、反向查询：
输出：
3、匹配！
完整代码：
package com.huey.huffmancode;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.Collections;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
public class HuffmanCode {
public static void main(String[] args) {
// TODO Auto-generated method stub
String content = "i like like like java do you like a java";
byte[] contentBytes = content.getBytes();
System.out.println("原长：" + contentBytes.length);// 40
byte[] huffmanCodesBytes = huffmanZip(contentBytes);
System.out.println("压缩后的结果是：" + Arrays.toString(huffmanCodesBytes));
System.out.println("压缩后长度：" + huffmanCodesBytes.length);
// 测试一把byteToString方法
// System.out.println(byteToBitString((byte) 1));
byte[] sourceBytes = decode(huffmanCodes, huffmanCodesBytes);
System.out.println("原来的字符串：" + new String(sourceBytes));
// 分布过程
/*
* List<Node> nodes = getNodes(contentBytes); System.out.println("nodes=" +
* nodes);
*
* // 测试创建的赫夫曼树 System.out.println("赫夫曼树"); Node huffmanTreeRoot =
* createHuffmanTree(nodes); System.out.println("前序遍历");
* huffmanTreeRoot.preOrder();
*
* // 测试是否生成了对应的哈夫曼编码 Map<Byte, String> huffmanCodes =
* getCodes(huffmanTreeRoot); System.out.println("生成的哈夫曼编码表:" + huffmanCodes);
*
* // 测试 byte[] huffmanCodeBytes = zip(contentBytes, huffmanCodes);
* System.out.println("huffmanCodeBytes=" +
* Arrays.toString(huffmanCodeBytes));// 17 //(40-17) / 40 = 0.575
*
* //发送huffmanCodeBytes 数组
*/
}
// 编写一个方法，完成对压缩数据的解码
/**
* @param huffmanCodes 哈夫曼编码表 map
* @param huffmanBytes 哈夫曼编码得到的字节数组：[-88, -65, -56...]
* @return 原来的字符串对应的数组
*/
private static byte[] decode(Map<Byte, String> huffmanCodes, byte[] huffmanBytes) {
// 1.先得到huffmanBytes 对应的二进制的字符串，形式："101010001..."
StringBuilder stringBuilder = new StringBuilder();
// 2.将byte[] 转成二进制的字符串
for (int i = 0; i < huffmanBytes.length; i++) {
byte b = huffmanBytes[i];
// 判断是不是最后一个字节
boolean flag = (i == huffmanBytes.length - 1);
stringBuilder.append(byteToBitString(!flag, b));
}
// 把字符串按照指定的赫夫曼编码进行解码
// 把赫夫曼编码表进行调换，因为要反向查询 a->100 100->?
Map<String, Byte> map = new HashMap<String, Byte>();
for (Map.Entry<Byte, String> entry : huffmanCodes.entrySet()) {
map.put(entry.getValue(), entry.getKey());
}
// 创建一个集合，存放byte
List<Byte> list = new ArrayList<>();
// i可以理解成就是索引，扫描 stringBuilder
for (int i = 0; i < stringBuilder.length();) {
int count = 1;// 小的计数器
boolean flag = true;
Byte b = null;
while (flag) {
// 1010100010111...
// 递增取出 key 1 10 101
String key = stringBuilder.substring(i, i + count);// i不动，让count 移动，直到匹配到一个字符
b = map.get(key);
if (b == null) {
// 说明没有匹配到
count++;
} else {
// 匹配到
flag = false;
}
}
list.add(b);
i += count;// i直接移动到count 位置。
}
// 当for 循环结束后，我们list中就存放了所有的字符"i like like like java do you like a java"
// 把List 中的数据放入到byte[] 并返回
byte[] b = new byte[list.size()];
for (int i = 0; i < b.length; i++) {
b[i] = list.get(i);
}
return b;
}
// 完成数据的解压
// 思路：
// 1.将huffmanCodesBytes：[-88, -65, -56, -65, -56, -65, -55, 77, -57, 6, -24,
// -14, -117, -4, -60, -90, 28]
// 2.重新转成赫夫曼编码对应的二进制字符串："101010001011111111001000101111111100100010111111110010010100110111000
// 1110000011011101000111100101000101111111100110001001010011011100" => 对照 赫夫曼编码
// => "i like like like java do you like a java"
/**
* 将一个byte 转成一个二进制的字符串
*
* @param flag 标志是否需要补高位，如果是true表示需要补高位，如果是false表示不补,如果是最后一个字节，无需补高位
* @param b 传入的byte
* @return 是该b 对应的二进制的字符串（注意是按补码返回）
*/
private static String byteToBitString(boolean flag, byte b) {
// Byte并无toBinaryString()方法，所以需要先转成int 的Integer
// 使用一个变量保存 b
int temp = b;// 将 b 转成 int
// 如果是正数，我们还存在补高位的问题
if (flag) {
temp |= 256;// 按位或 256 1 0000 0000 => 0000 0001 => 1 0000 0001
}
String str = Integer.toBinaryString(temp);// 返回的是temp对应的二进制的补码
if (flag) {
return str.substring(str.length() - 8);// 取倒数8位，substring()，参数是起始位置。
} else {
return str;
}
}
// 使用一个方法，将前面的方法封装起来，便于我们的调用
/**
* @param bytes 原始的字符串对应的字节数组（contentBytes）
* @return 经过霍夫曼编码处理后的字节数组（压缩后的数组）
*/
private static byte[] huffmanZip(byte[] bytes) {
List<Node> nodes = getNodes(bytes);
// 测试创建的赫夫曼树
Node huffmanTreeRoot = createHuffmanTree(nodes);
// 生成对应的赫夫曼编码（根据赫夫曼树）
Map<Byte, String> huffmanCodes = getCodes(huffmanTreeRoot);
// 根据生成的赫夫曼编码，压缩得到压缩后的赫夫曼编码字节数组。
byte[] huffmanCodeBytes = zip(bytes, huffmanCodes);
return huffmanCodeBytes;
}
// 编写一个方法，将一个字符串对应的byte[]，通过生成的赫夫曼编码表，返回一个赫夫曼编码 压缩后的byte[]
/**
* @param bytes 这是原始的字符串对应的byte[]
* @param huffmanCodes 生成的赫夫曼编码
* @return 举例：String content ="i like like like java do you like a java"; =>
* byte[] contentBytes = content.getBytes();
* 注：存储在计算机里的都是补码，一个byte是8位，开头一个是符号位 返回的是：
* 字符串:"101010001011111111001000101111111100100010111111110010010100110111000
* 1110000011011101000111100101000101111111100110001001010011011100"
* 长度是133，正是上面content中字符串(含空格)的哈夫曼编码拼接后的字符长度。 对应的byte[] huffmanCodeBytes
* 即8位对应一个byte，放入到huffmanCodeBytes huffmanCodeBytes[0] = 10101000(补码) =>
* [推导 10101000=>10101000-1=>10100111(反码)=>11011000 = -88(前面符号位为负)]
*/
private static byte[] zip(byte[] bytes, Map<Byte, String> huffmanCodes) {
// 1.利用huffmanCodeBytes将 bytes 转成 赫夫曼编码对应的字符串
StringBuilder stringBuilder = new StringBuilder();
// 2.遍历bytes 数组
for (byte b : bytes) {
stringBuilder.append(huffmanCodes.get(b));
}
// System.out.println("测试 stringBuilder=" + stringBuilder.toString());
// 将"1010100..."转成 byte[]
// 统计返回 byte [] huffmanCodeBytes 长度
// 一句话：int len = (stringBuilder.length() + 7) / 8;
int len;
if (stringBuilder.length() % 8 == 0) {
len = stringBuilder.length() / 8;
} else {
len = stringBuilder.length() / 8 + 1;
}
// 创建 存储压缩后的 byte 数组
byte[] huffmanCodeBytes = new byte[len];
int index = 0;// 记录是第几个byte
for (int i = 0; i < stringBuilder.length(); i += 8) {
// 因为是每8位对应一个byte，所以步长+8
// 每循环一次，都取8位，放到strByte里
String strByte;
if (i + 8 > stringBuilder.length()) {
// 不够8位
strByte = stringBuilder.substring(i);// substring(i)有多少位就取多少位
} else {
strByte = stringBuilder.substring(i, i + 8);
}
// 将strByte 转成一个byte ，放入到huffmanCodeBytes
huffmanCodeBytes[index] = (byte) Integer.parseInt(strByte, 2);
index++;
}
return huffmanCodeBytes;
}
// 生成赫夫曼树对应的赫夫曼编码
// 思路：
// 1.将赫夫曼编码表存放在Map<Byte,String> 形式：32->01,97->100,100->11000等等[形式]
static Map<Byte, String> huffmanCodes = new HashMap<Byte, String>();
// 2.在生成赫夫曼编码表时，需要去拼接路径，定义一个StringBuilder 存储某个叶子结点的路径
static StringBuilder stringBuilder = new StringBuilder();
// 为了调用方便，我们重载getCodes
private static Map<Byte, String> getCodes(Node root) {
if (root == null) {
return null;
}
// 处理root 的左子树
getCodes(root.left, "0", stringBuilder);
// 处理root 的右子树
getCodes(root.right, "1", stringBuilder);
return huffmanCodes;
}
/**
* 功能：将传入的node结点的叶子节点的赫夫曼编码存放得到，并放入到HuffmanCodes集合
*
* @param node 传入结点
* @param code 路径：左子节点是0，右子节点是1
* @param stringbuilder 用于拼接路径
*/
private static void getCodes(Node node, String code, StringBuilder stringBuilder) {
StringBuilder stringBuilder2 = new StringBuilder(stringBuilder);
// 将code 加入到 stringBuilder2
stringBuilder2.append(code);// append:（文章后）增补
if (node != null) {
// 如果node == null 不处理
// 判断node 是叶子节点还是非叶子结点
if (node.data == null) {
// 非叶子结点
// 递归处理
// 向左递归
getCodes(node.left, "0", stringBuilder2);
// 向右递归
getCodes(node.right, "1", stringBuilder2);
} else {
// 说明是叶子节点
// 就表示找到某个叶子节点的最后
huffmanCodes.put(node.data, stringBuilder2.toString());
}
}
}
// 前序遍历的方法
public static void preOrder(Node root) {
if (root != null) {
root.preOrder();
} else {
System.out.println("赫夫曼树为空");
}
}
/**
* @param bytes 接收一个字节数组
* @return 返回的就是List形式[Node[data=97,weight = 5],Node[data=32,weight = 9]......]
*/
private static List<Node> getNodes(byte[] bytes) {
// 1、创建一个ArrayList
ArrayList<Node> nodes = new ArrayList<Node>();
// 遍历 bytes，统计 每一个byte出现的次数 -> map[key,value]
Map<Byte, Integer> counts = new HashMap<>();// 所谓映射，即给一个人编了个号，提到号就能知道是哪个人。
// Map集合将键映射到值的对象,一个映射不能包含重复的键,每个键最多只能映射到一个值,
// Map接口和Collection接口的不同,Map是双列的,Collection是单列的.
for (byte b : bytes) {
Integer count = counts.get(b);
if (count == null) {
// Map还没有这个字符数据，第一次
counts.put(b, 1);
} else {
counts.put(b, count + 1);
}
}
// 把每一个键值对，转成一个Node对象，并加入到nodes集合
// 遍历map 集合
for (Map.Entry<Byte, Integer> entry : counts.entrySet()) {
// for each循环，定义一个变量entry暂存集合中的每一个元素。循环counts.entrySet()中的每一个元素。
// 其中，entrySet()表示返回Map.Entry对象（映射中的键/值对）的一个集视图（集合视图就是把集合
// 里面的东西给你展示出来, 仅供查看, 而不能修改）。可以从这个集中删除元素，
// 它们将从映射中删除，但是不能添加任何元素。
// Map.Entry是Map声明的一个内部接口，此接口为泛型，定义为Entry<K,V>。
// 它表示Map中的一个实体（一个key-value对）。接口中有getKey(),getValue方法。
nodes.add(new Node(entry.getKey(), entry.getValue()));
// getKey()、getValue()表示返回这个映射条目的键或值
}
return nodes;
}
// 可以通过List,创建对应的赫夫曼树
private static Node createHuffmanTree(List<Node> nodes) {
while (nodes.size() > 1) {
// 排序，从小到大
Collections.sort(nodes);
// 取出第一颗最小的二叉树
Node leftNode = nodes.get(0);
// 取出第二颗最小的二叉树
Node rightNode = nodes.get(1);
// 创建一颗新的二叉树，它的根节点 没有data ，只有权值
Node parent = new Node(null, leftNode.weight + rightNode.weight);
parent.left = leftNode;
parent.right = rightNode;
// 将已经处理的两颗二叉树从nodes删除
nodes.remove(leftNode);
nodes.remove(rightNode);
// 将新的二叉树，加入到nodes
nodes.add(parent);
}
// nodes 最后的结点，就是哈夫曼树的根节点
return nodes.get(0);
}
}
//创建Node ,带数据和权值
class Node implements Comparable<Node> {
Byte data;// 存放数据（字符）本身，比如'a' => 97 ' ' => 32
int weight;// 权值，表示字符出现的次数
Node left;
Node right;
public Node(Byte data, int weight) {
this.data = data;
this.weight = weight;
}
@Override
public int compareTo(Node o) {
// TODO Auto-generated method stub
// 从小到大排序
return this.weight - o.weight;
}
@Override
public String toString() {
return "Node [data=" + data + ", weight=" + weight + "]";
}
// 前序遍历
public void preOrder() {
System.out.println(this);
if (this.left != null) {
this.left.preOrder();
}
if (this.right != null) {
this.right.preOrder();
}
}
}
测试:
