【C语言】C语言哈夫曼编码传输（源码+数据文件）【独一无二】

---

👉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：

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。

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()）。

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。

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。

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：

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。

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。

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：

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。

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。

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。

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：