哈夫曼树构建采用贪心策略：用最小堆每次选两个最小权值节点合并，直至剩根节点；通过自定义比较器实现priority_queue最小堆；递归遍历生成0/1编码；亦可用vector手动模拟堆；需先统计字符频次并初始化叶子节点。
一、构建哈夫曼树的优先队列贪心策略
哈夫曼编码的核心在于利用贪心思想，每次从当前所有节点中选取权值最小的两个节点合并为新节点，直至只剩一个根节点。该过程依赖最小堆（优先队列）高效获取最小权值节点。C++标准库中的priority_queue默认为最大堆，需通过自定义比较器构造最小堆。
1、定义节点结构体，包含字符、权值、左右子节点指针；
2、重载小于运算符，使priority_queue按权值升序排列；
3、将所有叶子节点入队；
4、循环执行：弹出两个最小权值节点，创建新内部节点，权值为二者之和，并将新节点入队；
5、当队列中仅剩一个节点时，该节点即为哈夫曼树根节点。
二、使用std::priority_queue实现最小堆封装
为避免手动维护堆结构，采用std::priority_queue配合自定义仿函数实现最小堆。关键点在于比较逻辑必须反向定义——即让top()返回最小元素，需使用greater或lambda表达式反转默认行为。
1、声明优先队列类型：priority_queue
2、定义cmp为lambda：auto cmp = [](Node* a, Node* b) { return a->weight > b->weight; }；
3、确保每个Node对象在堆中独立分配内存，避免悬空指针；
4、合并过程中动态new Node，权值设为左右子节点权值之和；
5、最终返回pq.top()作为根节点指针。
三、递归遍历生成最优二进制编码字符串
哈夫曼树构建完成后，需从根节点出发深度优先遍历，向左子树走记为'0'，向右子树走记为'1'，到达叶子节点时记录完整编码。该路径长度即为对应字符的编码长度，满足带权路径长度最小化目标。
1、编写递归函数void generateCodes(Node* root, string code, map
2、若当前节点为叶子节点（left == nullptr && right == nullptr），则将code存入映射表；
3、若存在左子节点，递归调用并追加'0'；
4、若存在右子节点，递归调用并追加'1'；
5、初始调用传入空字符串作为起始编码。
四、基于vector与索引模拟堆的手动实现方案
当需完全控制堆行为或规避STL分配开销时，可采用vector存储节点指针，并手动实现上浮（sift up）与下沉（sift down）操作。此方式不依赖仿函数，直接在数组内完成最小堆维护。
1、初始化vector
2、对heap执行make_heap(heap.begin(), heap.end(), [](Node* a, Node* b) { return a->weight > b->weight; })；
3、每次pop时调用pop_heap，再erase末尾元素；
4、插入新节点后调用push_heap；
5、合并结束后，heap[0]即为根节点指针。
五、字符频次统计与节点初始化预处理
哈夫曼算法输入为各字符出现频次，需先扫描原始数据构建频率映射表，再据此生成初始叶子节点集合。该步骤直接影响后续贪心合并的起点，必须保证每个字符至少对应一个非空节点。
1、使用std::map
2、遍历map，对每对
3、若输入为空字符串，则需特殊处理，返回空根节点并跳过合并流程；
4、若仅有一个唯一字符，则直接创建单节点树，编码为空字符串或全0序列；
5、所有Node指针加入优先队列或vector堆容器，准备进入贪心合并阶段。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
