咨询公司网站设计怎么自己创建一个网站代码

当前位置： 首页 > news >正文

咨询公司网站设计,怎么自己创建一个网站代码,视觉设计基础,地产项目合作开发网哈夫曼编码 哈夫曼编码(Huffman Coding)#xff0c;又称霍夫曼编码#xff0c;是一种编码方式#xff0c;可变字长编码(VLC)的一种。Huffman于1952年提出一种编码方法#xff0c;该方法完全依据字符出现概率来构造异字头的平均长度最短的码字#xff0c;有时称之为最佳编码…哈夫曼编码 哈夫曼编码(Huffman Coding)又称霍夫曼编码是一种编码方式可变字长编码(VLC)的一种。Huffman于1952年提出一种编码方法该方法完全依据字符出现概率来构造异字头的平均长度最短的码字有时称之为最佳编码一般就叫做Huffman编码有时也称为霍夫曼编码。 哈夫曼编码主要目的是根据使用频率来最大化节省字符编码的存储空间。 哈夫曼编码和解码代码实现 package com.gykalc.huffmancode; import java.io.; import java.util.; import java.util.function.Function;/*** 哈夫曼编码* 首先编码分为定长编码和不定长编码* 定长编码例如我们要发送 “i like like like java do you like a java” 这个字符串时* 我们不对其进行处理每个字符都是一个字节那么就需要40个字节来传输该数据* 不定长编码我们还是传输上述字符串我们给每一个字符定义一个固定的编码* 例如i: 10、空格: 0、l: 101、a1* 那么我们要传输的数据为10010110…但是这种方式虽然可以减少传输的数据长度但是也有问题* 问题在于我们解码时这种不定长前缀导致我们不知道10代表的是“i”还是代表“a空格”会出现多义* 这个时候就可以使用哈夫曼编码它是不定长的前缀编码它不会出现上面的多义问题。* 哈夫曼编码步骤* 1、统计出要传输的字符串每个字符出现的次数将其作为节点的权重值* 2、构建哈夫曼树节点中存储着每个字符的Byte数据和权重值* 3、计算出每个字符的节点路径向左为0向右为1就可以得到不会重复的前缀编码* 4、根据计算的节点路径就可以将字符串进行编码获取到编码后的数据** 哈夫曼解码步骤* 1、首先将编码后的字节数组转换成二进制字符串* 2、根据哈夫曼编码表逆向一个解码表* 3、根据解码表对二进制字符串进行解码生成原始字符串/ public class HuffmanCode {// 哈夫曼树的节点private static Node huffmanTreeRoot;// 哈夫曼编码后的二进制字节字符串private static String huffmanBytesString;// 哈夫曼编码mapprivate static MapByte, String huffmanCodesMap new HashMap();// 压缩后的byte字节数组private static byte[] huffmanCodeByte;// 哈夫曼解码表private static MapString, Byte huffmanDecodeMap new HashMap();// 哈夫曼的压缩率private static double compressRatio;public static void main(String[] args) {String filePath C:\Users\24792\Desktop\虚拟机服务器.txt;String zipPath filePath.substring(0, filePath.lastIndexOf(.)) .zip;zipFile(filePath, zipPath);unZipFile(zipPath, C:\Users\24792\Desktop\虚拟机服务器1.txt);}/** 压缩文件* param filePath* param zipPath*/private static void zipFile(String filePath, String zipPath) {// 读取一个文件try(FileInputStream fis new FileInputStream(new File(filePath));BufferedInputStream bis new BufferedInputStream(fis);FileOutputStream fos new FileOutputStream(new File(zipPath));BufferedOutputStream bos new BufferedOutputStream(fos);) {// 返回文件的大小int length bis.available();byte[] bytes new byte[length];// 读取文件数据到bytes中int readLen bis.read(bytes);if (length ! readLen) {throw new Exception(文件读取有问题);}else {zip(bytes);System.out.println(压缩率为% compressRatio * 100);// 将压缩后的字节写入文件中bos.write(huffmanCodeByte);}}catch (Exception e) {e.printStackTrace();}}private static void unZipFile(String zipPath, String unZipPath) {// 读取一个文件try(FileInputStream fis new FileInputStream(new File(zipPath));BufferedInputStream bis new BufferedInputStream(fis);FileOutputStream fos new FileOutputStream(new File(unZipPath));BufferedOutputStream bos new BufferedOutputStream(fos);) {// 返回文件的大小int length bis.available();byte[] bytes new byte[length];// 读取文件数据到bytes中int readLen bis.read(bytes);if (length ! readLen) {throw new Exception(文件读取有问题);}else {byte[] unZipBytes unZip(bytes);fos.write(unZipBytes);}}catch (Exception e) {e.printStackTrace();}}private static Node buildHaffmanTree(byte[] bytes) {MapByte, Integer countMap new HashMap();// 统计出每个字符出现的次数存入countMap中for (Byte b : bytes) {Integer count countMap.get(b);if (count null) {countMap.put(b, 1);} else {countMap.put(b, count 1);}}// 遍历countMap构建Node的ListListNode nodeList new ArrayList();for (Map.EntryByte, Integer entry : countMap.entrySet()) {nodeList.add(new Node(entry.getKey(), entry.getValue()));}// 开始构建哈夫曼树while (nodeList.size() 1) {// 首先进行排序Collections.sort(nodeList);// 拿到两个最小的节点当作左右子节点来构建一个新的二叉树Node leftNode nodeList.get(0);Node rightNode nodeList.get(1);Node parentNode new Node(null, leftNode.getWeight() rightNode.getWeight());parentNode.setLeftNode(leftNode);parentNode.setRightNode(rightNode);nodeList.remove(leftNode);nodeList.remove(rightNode);nodeList.add(parentNode);}huffmanTreeRoot nodeList.get(0);return nodeList.get(0);}/*** 根据哈夫曼树生成哈夫曼编码表/private static void getCodesByHuffmanTree(Node root, String path, StringBuilder stringBuilder) {StringBuilder sb new StringBuilder(stringBuilder);sb.append(path);if (root ! null) {if (root.getData() null) { // 说明当前节点不是叶子节点getCodesByHuffmanTree(root.getLeftNode(), 0, sb);getCodesByHuffmanTree(root.getRightNode(), 1, sb);} else { // 说明当前节点是叶子节点就可以加入map中huffmanCodesMap.put(root.getData(), sb.toString());}}}private static void getCodesByHuffmanTree(Node root) {getCodesByHuffmanTree(root, , new StringBuilder());}/** 将原byte数组根据哈夫曼编码表进行压缩返回的是压缩后的byte数组* param oldBytes* param huffmanCodesMap* return/private static byte[] zip(byte[] oldBytes, MapByte, String huffmanCodesMap) {StringBuilder sb new StringBuilder();// 生成哈夫曼编码的字符串for (byte b : oldBytes) {String strCode huffmanCodesMap.get(b);sb.append(strCode);}huffmanBytesString sb.toString();// 计算出要转换的字节数组大小int sbLength sb.length();int byteLength (sbLength 7) / 8 1;byte[] zipByte new byte[byteLength];int byteIndex 0;// 将该字符串转换成字节数组该字节数组最后一位存储最后一个字符串的长度for (int i 0; i sbLength; i 8) {if (i 8 sbLength) { // 不足8个字符了zipBytebyteIndexInteger.parseInt(sb.substring(i), 2);// 最后一个byte记录前一个的长度为之后解码使用zipBytebyteIndex 1sb.substring(i).length();}else {zipBytebyteIndexInteger.parseInt(sb.substring(i, i 8), 2);}byteIndex;}// zipByte就是压缩后的byte数组huffmanCodeByte zipByte;// 这里我们可以统计一下压缩率(原数组长度-压缩后的长度) / 原长度compressRatio (double)(oldBytes.length - zipByte.length) / oldBytes.length;return zipByte;}/** 为了调用方便封装一下* param oldBytes* return/private static byte[] zip(byte[] oldBytes) {// 构建哈夫曼树buildHaffmanTree(oldBytes);// 根据哈夫曼树生成哈夫曼编码getCodesByHuffmanTree(huffmanTreeRoot);// 最后根据哈夫曼编码生成压缩后的字节数组return zip(oldBytes, huffmanCodesMap);}/** 根据哈夫曼编码表对数据进行解压* param zipBytes* param huffmanCodesMap* return/private static byte[] unZip(byte[] zipBytes, MapByte, String huffmanCodesMap) {// 第一步将压缩的字节数组转换成二进制字符串String binaryString bytesToString(zipBytes);// 第二步将哈夫曼编码表转换成哈夫曼解码表for (Map.EntryByte, String entry: huffmanCodesMap.entrySet()) {huffmanDecodeMap.put(entry.getValue(), entry.getKey());}ListByte byteList new ArrayList();// 第三步遍历二进制字符串每个字符串进行匹配StringBuilder pipeiSb new StringBuilder();for (int i 0; i binaryString.length(); i) {pipeiSb.append(binaryString.charAt(i));Byte pipeiByte huffmanDecodeMap.get(pipeiSb.toString());if (pipeiByte ! null) { // 说明匹配到了// 将匹配字符串置空pipeiSb new StringBuilder();byteList.add(pipeiByte);}}byte[] bytes new byte[byteList.size()];for (int i 0; i byteList.size(); i) {bytes[i] byteList.get(i);}return bytes;}private static byte[] unZip(byte[] zipBytes) {return unZip(zipBytes, huffmanCodesMap);}/** 将哈夫曼字节数组转换二进制字符串* param bytes* return/private static String bytesToString(byte[] bytes) {StringBuilder sb new StringBuilder();int bytesLength bytes.length;for (int i 0; i bytesLength - 1; i) {// 将bite转换成intint charInt (int)bytes[i];// 当b是负数时这里不变当是正数时这里用来补足正数的位数charInt | 256;String binaryString Integer.toBinaryString(charInt);if (i bytesLength - 2) { // 就是最后一个压缩的字节因为bytes的最后一个字节我们存储的是最后一个压缩字节的长度sb.append(binaryString.substring(binaryString.length() - bytes[bytesLength - 1]));}else {sb.append(binaryString.substring(binaryString.length() - 8));}}return sb.toString();}/** 前序遍历** param root/private static void preNode(Node root) {if (root ! null) {root.preOrder();} else {System.out.println(该树为空不能遍历);}} }class Node implements ComparableNode {// 每个字节的数据private Byte data;// 每个字节出现的次数也就是权重值private int weight;// 左子节点private Node leftNode;// 右子节点private Node rightNode;/** 前序遍历*/public void preOrder() {System.out.println(this);if (this.leftNode ! null) {this.leftNode.preOrder();}if (this.rightNode ! null) {this.rightNode.preOrder();}}public Byte getData() {return data;}public void setData(Byte data) {this.data data;}public int getWeight() {return weight;}public void setWeight(int weight) {this.weight weight;}public Node getLeftNode() {return leftNode;}public void setLeftNode(Node leftNode) {this.leftNode leftNode;}public Node getRightNode() {return rightNode;}public void setRightNode(Node rightNode) {this.rightNode rightNode;}public Node(Byte data, int weight) {this.data data;this.weight weight;}Overridepublic int compareTo(Node o) {return this.weight - o.weight;}Overridepublic String toString() {return Node{ data data , weight weight };} }