标签：inf 定义 http 哈夫曼树 两种 decode pair 节点 赫夫曼编码
若该树的带权路径长度达到最小,称这样的二叉树为最优二叉树,也称为哈夫曼树
应用场景文件压缩,又叫压缩算法
现在有3课二叉树,都有四个节点,分别带权13,7,8,3
一段字符串中计算每一个字符重复的次数
let a = 'ab cbdal abc' console.log(a.split('').reduce((acc, val) => { acc[val] = (acc[val] || 0) + 1 return acc }, {})) //升级版 const getFreqs = text => [...text] .reduce((acc, val) => (acc[val] ? {...acc, [val]: acc[val] + 1} : {...acc, [val]: 1} ), {}) console.log(getFreqs('abc abx')) //第二种 const cal = str => { let map = {} let i = 0 while (str[i]) { //首先添加str[i]的属性,因为刚开始没值,所以复制为1 map[str[i]] ? map[str[i]]++ : map[str[i]] = 1 i++ } return map } console.log(cal('abc ab cc '))
对于一颗已有的二叉树,如果我们为他添加一系列新结点,使得他原有的所有结点的度都为2,那么我们得到了一颗扩充二叉树:
其中原有的结点叫做内结点(非叶子结点),新增加的结点叫做叶结点(叶子结点)
外结点数=内结点数+1
总结点数=2*外结点数-1
那什么结点的度?
- 结点的度指的是二叉树结点的分支数目,如果某个节点没有孩子结点,即使没有分支,那么他的度是0,如果有一个孩子的结点,那么他的度数是1,如果既有左孩子也有右孩子,那么这个结点的度是2
性质区别: 外结点是携带了关键数据的节点,二内部节点没有携带这种数据,只作为导向最终的外结点所走的路径而使用
正因如此,我们的关注点最后是落在赫夫曼树的外结点上,而不是內结点
如果一个数据结点搜索频率越高,就让他分布在离根结点越近的地方,也就是根结点走到该节点经过的路径长度越短
频率是个细化的量,这里我们使用一个更加标准的一个词描述他---"权值"
**我们为扩充二叉树的外结点(叶子结点)定义两条属性:权值(W)和路径长度(L),同时规定带权路径长度(WPL) 为扩充二叉树的外结点的权值和路径长度的乘积之和(只是外结点)
外结点的带权路径长度（WPL） = T的根到该节点的路径长度 *? 该节点的权值
要设计长短不等的编码,则必须保证:任意一个字符的编码都不是另一个字符的编码的前缀,这种编码叫做前缀编码
赫夫曼编码就是一种前缀编码,他能解决不等长的译码问题,通过他,我们能尽可能减少编码的长度,同时还能过避免二义性,实现正确编码
赫夫曼树是一棵满二叉树,树中只有两种类型的结点,即叶子节点和度为2的结点,所有树中任意结点的左子树和右子树同时存在
对字符集合按照字符频率进行升序排序,并构建一颗空树
若字符频率不大于根节点频率，则字符作为根节点的左兄弟，形成一个新的根节点，频率值为左、右子节点之和；
若字符频率大于根结点频率,则字符作为根结点的右兄弟,形成一个新的根结点,频率值为左右子节点之和
举例:
1. 做4个叶节点,分别以2,4,5,7为权
2. 从所有入度为0的结点中,最小的两个节点为2和4,则组成6这个分支
3. 从所有入度为0的结点中，最小的两个结点为5和6，则组成11这个分支节点
4. 从所有入度为0的结点中，最小的两个结点为7和11，则组成18这个分支节点，此时只有一个入度为0的顶点为18，组成了下图的二叉树，完成
对字符集合按照频率进行排序,这里使用插入排序
//字符集合为
const contentArr = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J']
//对应的频率
const valueArr = [5, 3, 4, 0, 2, 1, 8, 6, 9, 7]
//使用插入排序
const insertionSort = (valueArr, contentArr) => {
let tmpValue, tmpContent
for (let i = 1; i < valueArr.length; i++) {
tmpValue = valueArr[i]
tmpContent = contentArr[i]
while (i > 0 && tmpValue < valueArr[i - 1]) {
valueArr[i] = valueArr[i - 1]
contentArr[i] = contentArr[i - 1]
i--
}
valueArr[i] = tmpValue
contentArr[i] = tmpContent
}
return contentArr
}
console.log(insertionSort(valueArr, contentArr))
我自己写的垃圾排序(通过排序的索引对原数组进行重新排序)
let arr = valueArr.slice().sort((a, b) => a - b)
arr.reduce((acc, val) => {
acc.push(contentArr[valueArr.indexOf(val)])
return acc
}, [])//把字符串重复的转化成重复次数的对象
const getFreqs = text => [...text]
.reduce((acc, letter) => (acc[letter]
? { ...acc, [letter]: acc[letter] + 1 }
: { ...acc, [letter]: 1 }
), {});
//console.log(getFreqs('abc ab'))
//{ a: 2, b: 2, c: 1, ' ': 1 }
//把对象转成一个二维数组
const toPairs = freqs => Object.keys(freqs)
.map(letter => [letter, freqs[letter]]);
//给二维数组排序
const sortPairs = pairs => [...pairs]
.sort(([, leftFreq], [, rightFreq]) => leftFreq - rightFreq);
//递归创建树
const getTree = pairs => (pairs.length < 2
? pairs[0]
: getTree(sortPairs([
[pairs.slice(0, 2), pairs[0][1] + pairs[1][1]],
...pairs.slice(2)]))
);
//递归编码
const getCodes = (tree, pfx = '') => (tree[0] instanceof Array
? Object.assign(
getCodes(tree[0][0], `${pfx}0`),
getCodes(tree[0][1], `${pfx}1`),
)
: { [tree[0]]: pfx });
export default (text) => {
const freqs = getFreqs(text);
const freqPairs = toPairs(freqs);
const sortedFreqPairs = sortPairs(freqPairs);
const tree = getTree(sortedFreqPairs);
const codes = getCodes(tree);
return [...text]
.map(letter => codes[letter])
.join('');
};//字符串转对象
const freqs = text => [...text].reduce((acc, val) => (
(acc[val] ? acc[val] = acc[val] + 1 : acc[val] = 1), acc)
, {})
console.log(freqs('abc ab '))
//{ a: 1, b: 1, c: 1, ' ': 1 }
//把对象转成二维数组
const topaire = freqs => Object.keys(freqs).map(val => [val, freqs[val]])
console.log(topaire(freqs('abc ab ')))
//[ [ 'a', 1 ], [ 'b', 1 ], [ 'c', 1 ], [ ' ', 1 ] ]
//二维数组排序
const sortps = pairs => pairs.sort((a, b) => a[1] - b[1])
console.log(sortps(topaire(freqs('abc ab '))))
//[ [ 'c', 1 ], [ 'a', 2 ], [ 'b', 2 ], [ ' ', 2 ] ]
//构建树
const tree = ps => {
if (ps.length < 2) {
return ps[0]
}
//拿到最小的两个,然后求和,然后把剩下的合并起来,进行递归创建出树
return tree(sortps([[ps.slice(0, 2), ps[0][1] + ps[1][1]]].concat(ps.slice(2))))
}
console.log(tree(sortps(topaire(freqs('abc ab ')))))
//编码
const codes = (tree, pfx = '') => {
if (tree[0] instanceof Array) {
return Object.assign(codes(tree[0][0], pfx + '0'), codes(tree[0][1], pfx + '1'))
}
return ({[tree[0]]: pfx})
}
console.log(codes(tree(sortps(topaire(freqs('abc ab '))))))
//将字符串编码
const encode = str => {
let output = '编码'
let a = {c: '00', a: '01', b: '10', ' ': '11'}
for (const item in str) {
output = output + a[str[item]]
}
return output
}
console.log(encode('abc ab '))
//反码
function decode(str, dictionary) {
let arr = []
for (let i = 0; i < Math.floor(str.length / 2); i++) {
arr.push(str.substr(i, 2))
}
let output = '反码: '
const lettersArr = Object.keys(dictionary)
const valuesArr = Object.values(dictionary)
for (let i = 0; i < arr.length; i++) {
for (let j = 0; j < valuesArr.length; j++) {
if (arr[i] == valuesArr[j]) {
output += lettersArr[j]
}
}
}
return output
}
console.log(decode('01100011011011', {c: '00', a: '01', b: '10', ' ': '11'}))压缩版
function dictionary(text) {
const freqs = text => [...text].reduce((fs, c) => (fs[c] ? (fs[c] = fs[c] + 1, fs) : (fs[c] = 1, fs)), {});
const topairs = freqs => Object.keys(freqs).map(c => [c, freqs[c]]);
const sortps = pairs => pairs.sort((a, b) => a[1] - b[1]);
const tree = ps => (ps.length < 2 ? ps[0] : tree(sortps([[ps.slice(0, 2), ps[0][1] + ps[1][1]]].concat(ps.slice(2)))));
const codes = (tree, pfx = '') => (tree[0] instanceof Array ? Object.assign(codes(tree[0][0], pfx + '0'), codes(tree[0][1], pfx + '1')) : { [tree[0]]: pfx });
return codes(tree(sortps(topairs(freqs(text)))));
}标签：inf 定义 http 哈夫曼树 两种 decode pair 节点 赫夫曼编码
原文地址：https://www.cnblogs.com/fangdongdemao/p/11185087.html
