哈夫曼算法java
河边茂盛的草地，在干草收割之前，
在狞笑着
清晨四点钟,夏天,
寻找虔敬的仪式，
从大海蓝色的中睡中，废墟提起
清目醒神常洗头哈哈
本篇将介绍 哈夫曼压缩算法（Huffman compression）
众所周知，计算机存储数据时，实际上存储的是一堆0和1（二进制）。
如果我们存储一段字符：ABRACADABRA!
那么计算机会把它们逐一翻译成二进制，如A：01000001；B: 01000010; !: 00001010.
每个字符占8个bits, 这一整段字符则至少占12*8=96 bits。
但如果我们用一些特殊的值来代表这些字符，如：
图中，0代表A; 1111代表B；等等。此时，存储这段字符只需30bits，比96bits小多了，达到了压缩的目的。
我们需要这么一个表格来把原数据翻译成特别的、占空间较少的数据。同时，我们也可以用这个表格，把特别的数据还原成原数据。
首先，为了避免翻译歧义，这个表格需满足一个条件： 任何一个字符用的值都不能是其它字符的前缀 。
我们举个反例：A: 0; B: 01;这里，A的值是B的值的前缀。如果压缩后的数据为01xxxxxx,x为0或者1，那么这个数据应该翻译成A1xxxxxx, 还是Bxxxxxxx?这样就会造成歧义。
然后，不同的表格会有不同的压缩效果，如：
这个表格的压缩效果更好。
那么我们如何找到 最好的表格 呢？这个我们稍后再讲。
为了方便阅读，这个表格是可以写成一棵树的：
这棵树的节点左边是0，右边是1。任何含有字符的节点都没有非空子节点。（即上文提及的前缀问题。）
这棵树是在压缩的过程中建成的，这个表格是在树形成后建成的。用这个表格，我们可以很简单地把一段字符变成压缩后的数据，如：
原数据：ABRACADABRA!
表格如上图。
令压缩后的数据为S；
第一个字符是A，根据表格，A：11，故S=11;
第二个字符是B，根据表格，B：00，故S=1100;
第三个字符是R，根据表格，R：011，故S=1100011;
如此类推，读完所有字符为止。
压缩搞定了，那解压呢？很简单，跟着这棵树读就行了：
压缩后的数据S=11000111101011100110001111101
记住，读到1时，往右走，读到0时，往左走。
令解压后的字符串为D；
从根节点出发，第一个数是1，往右走：
第二个数是1，往右走：
读到有字符的节点，返回此字符，加到字符串D里。D:A;
返回根节点，继续读。
第三个数是0，往左走：
第四个数是0，往左走：
读到有字符的节点，返回此字符，加到字符串D里。D:AB;
返回根节点，继续读。
第五个数是0，往左走：
第六个数是1，往右走：
第七个数是1，往右走：
读到有字符的节点，返回此字符，加到字符串D里。D:ABR;
返回根节点，继续读。
如此类推，直到读完所有压缩后的数据S为止。
压缩与解压都搞定了之后 我们需要先把原数据读一遍，并把每个字符出现的次数记录下来。如：
ABRACADABRA!中，A出现了5次;B出现了2次;C出现了1次;D出现了1次;R出现了2次;!出现了1次。
理论上，出现频率越高的字符，我们给它一个占用空间越小的值，这样，我们就可以有最佳的压缩率
由于哈夫曼压缩算法这块涉及内容较多 ，文章篇幅很长；全文全方面讲解了Compose布局的各方面知识。更多Android前言技术进阶，我自荐一套《 完整的Android的资料，以及一些视频课讲解 》 现在私信发送“进阶”或者“笔记”即可免费获取
最后我想说：
对于程序员来说，要学习的知识内容、技术有太多太多，要想不被环境淘汰就只有不断提升自己，从来都是我们去适应环境，而不是环境来适应我们
技术是无止境的，你需要对自己提交的每一行代码、使用的每一个工具负责，不断挖掘其底层原理，才能使自己的技术升华到更高的层面
Android 架构师之路还很漫长，与君共勉
C. 哈夫曼树编码的应用（Java语言）
1）编写函数实现选择parent为0且权值最小的两个根结点的算法
2）编写函数实现统计字符串中字符的种类以及各类字符的个数。
3）编写函数构造赫夫曼树。
4）编写函数实现由赫夫曼树求赫夫曼编码表。
5）编写函数实现将正文转换为相应的编码文件。
6）编写函数实现将编码文件进行译码。
7）编写主控函数，完成本实验的功能。
D. JAVA 哈夫曼树权值求和（代码找错）
兄弟,你把如下第28行的count++;注释掉,一切问题都可以解决!
自己先琢磨为什么,不懂的再问!
importjava.util.Arrays;
importjava.util.Scanner;
publicclassa2{
publicstaticintn,count=0;
publicstaticinthe[]=newint[n+1];//预定义权值数组
publicstaticvoidHuffman(int[]a){
Arrays.sort(a);//排序
//System.out.println(a.length);
if(a.length==1)//如果长度是1结束递归
{
he[count++]=a[0];
return;
}
if(a.length==2)//如果长度是2结束递归
{
he[count++]=a[0]+a[1];
return;
}
else//长度大于2
{
intb[]=newint[a.length-1];//定义一个新数组，用于保存a
he[count++]=a[0]+a[1];
b[0]=he[--count];//新数组的第一个元素为当前数组的最小的两个数之和
for(inti=1;i<b.length;i++)
{
b[i]=a[i+1];//赋值除第一个元素之外的值
}
//count++;
Huffman(b);//递归
}
}
publicstaticvoidmain(String[]args){
Scannersc=newScanner(System.in);
n=Integer.parseInt(sc.nextLine());
Strings[]=sc.nextLine().trim().split("");//输入n个数
intd[]=newint[n];
for(inti=0;i<n;i++)
d[i]=Integer.parseInt(s[i]);//将String转化为int的数组
Huffman(d);//递归调用
intsum=0;
for(inti=0;i<he.length;i++)
sum+=he[i];//求和
System.out.println(sum);
}
}