PHP实现Huffman编码解码的示例代码

　　Huffman 编码是一种数据压缩算法。我们常用的 zip 压缩，其核心就是 Huffman 编码，还有在 HTTP/2 中，Huffman 编码被用于 HTTP 头部的压缩。

　　本文就来用 PHP 来实践一下 Huffman 编码和解码。

　　1. 编码

　　字数统计

　　Huffman编码的第一步就是要统计文档中每个字符出现的次数，PHP的内置函数 count_chars() 就可以做到：

　　 $input = file_get_contents(input.txt); $stat = count_chars($input, 1);

　　构造Huffman树

　　接下来根据统计结果构造Huffman树，构造方法在 Wikipedia 有详细的描述。这里用PHP写了一个简易版的：

　　 $huffmanTree = []; foreach ($stat as $char => $count) { $huffmanTree[] = [ k => chr($char), v => $count, left => null, right => null, ]; } // 构造树的层级关系，思想见wiki：

　　经过计算之后，$root 就会指向 Huffman 树的根节点

　　根据Huffman树生成编码字典

　　有了 Huffman 树，就可以生成用于编码的字典：

　　 function buildDict($elem, $code = , &$dict) { if (isset($elem[k])) { $dict[$elem[k]] = $code; } else { buildDict($elem[left], $code.0, $dict); buildDict($elem[right], $code.1, $dict); } } $dict = []; buildDict($root, , $dict);

　　写文件

　　运用字典将文件内容进行编码，并写入文件。将Huffman编码写入文件的有几个注意的地方：

　　将编码字典和编码内容一起写入文件后，就没法区分他们的边界了，因此需要在文件开始写入他们各自占用的字节数

　　PHP提供的 fwrite() 函数一次能写入 8-bit（一个字节）或者是 8的整数倍个bit。但Huffman编码中，一个字符可能只使用 1-bit 表示，PHP不支持只往文件中写入 1-bit 这种操作。所以需要我们自行对编码进行拼接，每凑齐 8-bit 才写入文件。

每凑齐8-bit才写入

　　与第二条类似，最终形成的文件大小一定是 8-bit 的整数倍。所以如果整个编码的大小是 8001-bit的话，还要在末尾补上 7个 0

　　 $dictString = serialize($dict); // 写入字典和编码各自占用的字节数 $header = pack(VV, strlen($dictString), strlen($input)); fwrite($outFile, $header); // 写入字典本身 fwrite($outFile, $dictString); // 写入编码的内容 $buffer = ; $i = 0; while (isset($input[$i])) { $buffer .= $dict[$input[$i]]; while (isset($buffer[7])) { $char = bindec(substr($buffer, 0, 8)); fwrite($outFile, chr($char)); $buffer = substr($buffer, 8); } $i++; } // 末尾的内容如果没有凑齐 8-bit，需要自行补齐 if (!empty($buffer)) { $char = bindec(str_pad($buffer, 8, 0)); fwrite($outFile, chr($char)); } fclose($outFile);

　　解码

　　Huffman编码的解码相对简单：先读取编码字典，然后根据字典解码出原始字符。

　　解码过程有个问题需要注意：由于我们在编码过程中，在文件末尾补齐了几个0-bit，如果这些 0-bit 在字典中恰巧是某个字符的编码时，就会造成错误的解码。

　　所以解码过程中，当已解码的字符数达到文档长度时，就要停止解码。

　　 <?php $content = file_get_contents(a.out); // 读出字典长度和编码内容长度 $header = unpack(VdictLen/VcontentLen, $content); $dict = unserialize(substr($content, 8, $header[dictLen])); $dict = array_flip($dict); $bin = substr($content, 8 + $header[dictLen]); $output = ; $key = ; $decodedLen = 0; $i = 0; while (isset($bin[$i]) && $decodedLen !== $header[contentLen]) { $bits = decbin(ord($bin[$i])); $bits = str_pad($bits, 8, 0, STR_PAD_LEFT); for ($j = 0; $j !== 8; $j++) { // 每拼接上 1-bit，就去与字典比对是否能解码出字符 $key .= $bits[$j]; if (isset($dict[$key])) { $output .= $dict[$key]; $key = ; $decodedLen++; if ($decodedLen === $header[contentLen]) { break; } } } $i++; } echo $output;

　　试验

　　我们将Huffman编码Wiki页 的HTML代码保存到本地，进行Huffman编码测试，试验结果：

　　编码前: 418,504 字节

　　编码后: 280,127 字节

　　空间节省了 33%，如果原文的重复内容较多，Huffman编码节省的空间可以达到 50% 以上.

　　除了文本内容，我们再尝试将一个二进制文件进行Huffman编码，比如f.lux的安装程序 ，试验结果如下：

　　编码前: 770,384 字节

　　编码后: 773,076 字节

　　编码后反而占用了更大的空间，一方面是由于我们存储字典时，并没有做额外的处理，占用了不少空间。另一方面，二进制文件中，各个字符出现的概率相对比较平均，无法发挥Huffman编码的优势。

　　以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。