Python 哈夫曼编码实现：代码解析与优化

本文将深入解析 Python 中使用 heapq 和 defaultdict 实现哈夫曼编码的代码，并解释 heapq.heapify(heap) 的工作原理以及堆中 HuffmanNode 对象的排序规则。

import heapq
from collections import defaultdict


class HuffmanNode:
    def __init__(self, char, freq):
        self.char = char
        self.freq = freq
        self.left = None
        self.right = None

    # 哈夫曼树节点对象之间的比较规则，用于堆的排序
    def __lt__(self, other):
        return self.freq < other.freq


# 计算字符出现的概率
def get_char_frequency(text):
    freq_dict = defaultdict(int)    #创建一个默认值为 0 的空字典，如果字典中访问一个不存在的键，那么这个键的默认值就会是 0。
    for char in text:
        freq_dict[char] += 1     #把字符导入到字典中去并且相同的就加1
    n = len(text)
    for char in freq_dict:
        freq_dict[char] /= n
    return freq_dict


# 构建哈夫曼树
def build_huffman_tree(freq_dict):
    # 将每个字符及其概率构造为一个哈夫曼树节点
    heap = [HuffmanNode(char, freq) for char, freq in freq_dict.items()] #这些对象存储到一个列表中，即 heap 中。在这个列表中，每个 HuffmanNode 对象都代表了一个字符以及其出现的频率
    # 用堆来存储所有哈夫曼树节点，每次取出频率最小的两个节点合并
    heapq.heapify(heap)    #将heap转化为堆
    while len(heap) > 1:
        # 取出频率最小的两个节点，合并为一个新节点
        node1 = heapq.heappop(heap)    #heapq.heappop弹出最小值
        node2 = heapq.heappop(heap)
        parent_freq = node1.freq + node2.freq
        parent = HuffmanNode(None, parent_freq)  #给中间的点的值都设置为空
        parent.left = node1
        parent.right = node2
        # 将新节点放回堆中
        heapq.heappush(heap, parent)
    # 堆中仅剩下一个节点，即为哈夫曼树的根节点
    return heap[0]


# 递归生成哈夫曼编码
def generate_huffman_code(node, code_dict, code=''):
    if node.char is not None:
        # 到达叶节点，将字符和对应的编码存储到字典中
        code_dict[node.char] = code
        return
    # 递归遍历左子树和右子树
    generate_huffman_code(node.left, code_dict, code + '0')
    generate_huffman_code(node.right, code_dict, code + '1')


# 将文本编码为哈夫曼编码
def encode_text(text, code_dict):
    return ''.join(code_dict[char] for char in text)


# 将哈夫曼编码解码为原始文本
def decode_text(encoded_text, root):
    decoded_text = ''
    node = root
    for bit in encoded_text:
        if bit == '0':
            node = node.left
        elif bit == '1':
            node = node.right
        if node.char is not None:      #中间点的值都为空
            decoded_text += node.char
            node = root      #继续开始找下一个原码
    return decoded_text

text= input('输入即将被编码的字符：')
freq_dict = get_char_frequency(text)
root = build_huffman_tree(freq_dict)
code_dict = {}
generate_huffman_code(root, code_dict)
#打印每个字符的概率和对应的编码
for char, freq in freq_dict.items():
   code = code_dict[char]
   print(f'char: {char}, freq: {freq:.3f}, code: {code}')

#将文本编码为哈夫曼编码
encoded_text = encode_text(text, code_dict)
print(f'Encoded text: {encoded_text}')
#将哈夫曼编码解码为原始文本
decoded_text = decode_text(encoded_text, root)
print(f'Decoded text: {decoded_text}')



在上述代码中运行到 heapq.heapify(heap)   该处时heap里的具体内容是什么并且heap 中的 HuffmanNode 对象为什么会按照它们的频率被重新排序

**解释：**

在运行到 `heapq.heapify(heap)` 之前，`heap` 列表中存储了每个字符及其出现的频率，以 `HuffmanNode` 对象的形式存在。每个 `HuffmanNode` 对象都有 `char`（字符）、`freq`（出现频率）、`left`（左子节点）、`right`（右子节点）四个属性。

在运行 `heapq.heapify(heap)` 之后，`heap` 列表会被转化为一个堆，即最小堆。堆的特点是，堆顶元素始终是堆中最小的元素，每次可以通过 `heapq.heappop(heap)` 弹出堆顶元素（即最小元素），并且每次压入一个元素时，堆会自动维护元素的顺序，使得堆仍然是一个最小堆。

在本例中，堆中的元素是 `HuffmanNode` 对象，根据 `__lt__` 方法的规则，堆会按照每个 `HuffmanNode` 对象的 `freq` 属性从小到大排序。这是因为最小堆的特点是堆顶元素最小，而在这个问题中我们希望频率最小的节点能够成为堆顶元素，因此需要按照频率从小到大排序。排序后，堆顶元素就是频率最小的节点，可以通过 `heapq.heappop(heap)` 弹出。

**具体内容：**

假设输入的文本是 `'abca'`, 那么在 `heapq.heapify(heap)` 之前，`heap` 列表的内容如下：

```python
heap = [
    HuffmanNode('a', 0.5),
    HuffmanNode('b', 0.25),
    HuffmanNode('c', 0.25)
]

在运行 heapq.heapify(heap) 之后，heap 列表会被转化为一个最小堆，堆顶元素是频率最小的 HuffmanNode 对象，即 HuffmanNode('b', 0.25)。堆中的其他元素也会按照频率从小到大进行排序。

总结：

heapq.heapify(heap) 会将 heap 列表转化为一个最小堆，并按照 HuffmanNode 对象的 freq 属性从小到大进行排序。这样，每次从堆中弹出元素时，弹出的都是频率最小的元素，这正是哈夫曼树构建算法的关键步骤。 ``