---

👉博__主👈：米码收割机
👉技__能👈：C++/Python语言
👉专__注👈：专注主流机器人、人工智能等相关领域的开发、测试技术。

---

C语言 哈夫曼编码传输（源码+数据文件）【独一无二】

---

目录

• C语言 哈夫曼编码传输（源码+数据文件）【独一无二】
• 一、设计要求
• 二、设计思路
• • 2. 核心数据结构与辅助函数
  • • 2.1 数据结构定义
    • 2.2 最小堆辅助函数
  • 3. 哈夫曼树的构建与编码生成
  • • 3.1 构建哈夫曼树
    • 3.2 生成哈夫曼编码表
  • 4. 文件编码、解码与验证
  • • 4.1 编码文件
    • 4.2 解码文件
    • 4.3 文件一致性对比
  • 5. 主函数及整体工作流程

---

一、设计要求

问题4:某系统在通信联络中需要传送一个英文文件，该文件包含26个英文字母和空格等字符。请自行准备一个文本文件，要求这个文件中总符号数不少于10000个。要求运用哈夫曼编码方法，对该文本文件进行编码和解码，并校验解码后的文本正确性。请编写具体的计算机程序

---

二、设计思路

整个程序可以分为以下几个主要部分：

1. 文件操作与预处理

   • 获取文件大小（getFileSize()）。
   • 统计输入文件中每个字符的出现频率，为构建哈夫曼树做准备。

2. 核心数据结构与辅助工具

   • 定义哈夫曼树节点（HuffmanTreeNode）和最小堆（MinHeap）的数据结构。
   • 实现最小堆的基本操作：插入、交换、向下调整（minHeapify()）与提取最小节点（extractMin()）。

3. 哈夫曼树构建与编码表生成

   • 根据字符频率构建哈夫曼树，采用贪心策略不断合并频率最低的两个节点。
   • 遍历哈夫曼树生成每个字符的二进制编码（buildCodes()），并存入全局编码表 huffmanCode 中。

4. 文件编码与解码

   • 通过编码表对原始文件进行编码（encodeFile()），将字符转换成由 0 和 1 组成的字符串保存到输出文件中。
   • 利用构建好的哈夫曼树对编码后的文件进行解码（decodeFile()），还原出原始文本信息。

5. 验证与性能统计

   • 对比原始文件和解码后的文件（compareFiles()）确保解码准确性。
   • 计算文件压缩率，展示压缩效果。

---

2. 核心数据结构与辅助函数

2.1 数据结构定义

程序中定义了两个核心数据结构，在哈夫曼编码中起到重要作用：

• 哈夫曼树节点（HuffmanTreeNode）

  每个节点存储一个字符及其出现频率，同时包含左右孩子指针。例如：

  typedef struct HuffmanTreeNode {unsigned char ch;   // 字符unsigned freq;      // 字符频率struct HuffmanTreeNode *left, *right;
  } HuffmanTreeNode;
  

• 最小堆（MinHeap）

  最小堆用于快速找到频率最小的节点，在构建哈夫曼树过程中非常关键：

  typedef struct MinHeap {int size;int capacity;HuffmanTreeNode** array;
  } MinHeap;
  

2.2 最小堆辅助函数

程序实现了常用的最小堆操作，包括节点交换、向下调整（minHeapify()）、插入节点（insertMinHeap()）和提取最小节点（extractMin()）。
例如，向下调整函数保证了堆的性质：

void minHeapify(MinHeap* minHeap, int idx) {int smallest = idx;int left = 2 * idx + 1;// 代码略....if (right < minHeap->size &&minHeap->array[right]->freq < minHeap->array[smallest]->freq) {smallest = right;}if (smallest != idx) {swapNode(&minHeap->array[smallest], &minHeap->array[idx]);minHeapify(minHeap, smallest);}
}

---

3. 哈夫曼树的构建与编码生成

3.1 构建哈夫曼树

函数 buildHuffmanTree() 根据统计好的字符频率构建哈夫曼树，其基本流程如下：

1. 统计有效字符数量
   遍历频率表，统计每个出现过的字符个数以确定最小堆的容量。

2. 构建最小堆并插入所有字符节点
   为每个出现的字符创建一个节点，并插入到最小堆中。

3. 合并最小节点
   循环执行以下操作：

   • 提取两个最小频率的节点。
   • 创建一个新节点，其频率为两节点频率之和，新节点左右指针指向这两个节点。
   • 将新节点重新插入堆中，直到堆中只剩下一个节点，该节点即为哈夫曼树的根。

部分代码示例如下：

while (minHeap->size > 1) {HuffmanTreeNode* left = extractMin(minHeap);HuffmanTreeNode* right = extractMin(minHeap);HuffmanTreeNode* top = createNode('\0', left->freq + right->freq);top->left = left;top->right = right;insertMinHeap(minHeap, top);
}

3.2 生成哈夫曼编码表

利用已经构建好的哈夫曼树，通过递归方式生成每个字符的编码：

• 当递归向左（代表二进制“0”）或右（代表二进制“1”）不断累积编码，直到遇到叶子节点；
• 到达叶子节点后，将生成的二进制字符串保存到全局编码表 huffmanCode 中。

函数示例：

void buildCodes(HuffmanTreeNode* root, char* code, int length) {if (!root) return;// 代码略....code[length] = '0';buildCodes(root->left, code, length + 1);code[length] = '1';buildCodes(root->right, code, length + 1);
}

---

4. 文件编码、解码与验证

4.1 编码文件

函数 encodeFile() 打开原始文件，并对每个字符用对应的哈夫曼编码替换后写入到编码文件中。
关键代码：

while ((ch = fgetc(fin)) != EOF) {fputs(huffmanCode[ch], fout);
}

4.2 解码文件

函数 decodeFile() 根据编码文件中的 0/1 流，利用哈夫曼树反向遍历解码还原每个字符，直到完整还原出原始文本：

HuffmanTreeNode* curr = root;
while ((bit = fgetc(fin)) != EOF) {if (bit == '0')curr = curr->left;else if (bit == '1')curr = curr->right;// 到达叶子节点，输出字符if (!curr->left && !curr->right) {fputc(curr->ch, fout);curr = root;}
}

4.3 文件一致性对比

函数 compareFiles() 将原始文件和解码后的文件进行字节级对比，确保解码过程没有任何错误：

do {c1 = fgetc(f1);c2 = fgetc(f2);if (c1 != c2) { /* 不同 */fclose(f1);fclose(f2);return 0;}
} while (c1 != EOF && c2 != EOF);

---

5. 主函数及整体工作流程

主函数 main() 整合了上述所有步骤，其主要流程如下：

1. 预处理与频率统计

   • 判断原始文件是否存在，读取文件大小。
   • 遍历文件，统计每个字符的出现频率，填充频率表 freqTable。

2. 构建哈夫曼树与生成编码表

   • 调用 buildHuffmanTree() 构建哈夫曼树；
   • 通过 buildCodes() 生成用于编码的哈夫曼编码表。

3. 执行编码与解码

   • 使用 encodeFile() 对原始文件进行编码；
   • 用 decodeFile() 将编码后文件解码为还原文件。

4. 结果验证与性能评估

   • 调用 compareFiles() 检查解码文件与原文件是否一致；
   • 计算压缩率，并打印原始大小、压缩后大小及压缩率。

主函数示例代码：

int main() {const char* inputFile    = "input.txt";    // 原始文件const char* encodedFile  = "encoded.txt";  // 编码结果(0/1串)const char* decodedFile  = "decoded.txt";  // 解码结果// 1) 读取原文件大小// 代码略....// 3) 构建哈夫曼树HuffmanTreeNode* root = buildHuffmanTree(freqTable);// 代码略....printf("原文件大小:%ld 字节\n", originalSize);printf("压缩后文件大小:%ld 字节\n", compressedSize);printf("压缩率:%.2f%%\n", ratio);printf("解压后文本与原文本相同:%s\n", isSame ? "True" : "False");// 释放哈夫曼树freeHuffmanTree(root);return 0;
}

运行结果：