PHP でのハフマン エンコード/デコード手順の詳細な説明

今回は、PHP でハフマン エンコード/デコードを実装する手順について詳しく説明します。PHP でハフマン エンコード/デコードを実装する際の 注意点とは何ですか。実際のケースを見てみましょう。

この記事では、PHP を使用してハフマン エンコードとデコードを練習します。

1. エンコード

単語数

ハフマンエンコードの最初のステップは、PHP の

組み込み関数 count_chars() でこれを行うことができます。 :

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

ハフマン木を構築する

次に、統計結果に基づいてハフマン木を構築します。

構築方法はWikipediaに詳しく説明されています。以下は PHP で書かれた単純なバージョンです:

$huffmanTree = [];
foreach ($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：https://zh.wikipedia.org/wiki/%E9%9C%8D%E5%A4%AB%E6%9B%BC%E7%BC%96%E7%A0%81
$size = count($huffmanTree);
for ($i = 0; $i !== $size - 1; $i++) {
  uasort($huffmanTree, function ($a, $b) {
    if ($a['v'] === $b['v']) {
      return 0;
    }
    return $a[&#39;v&#39;] < $b[&#39;v&#39;] ? -1 : 1;
  });
  $a = array_shift($huffmanTree);
  $b = array_shift($huffmanTree);
  $huffmanTree[] = [
    &#39;v&#39; => $a[&#39;v&#39;] + $b[&#39;v&#39;],
    &#39;left&#39; => $b,
    &#39;right&#39; => $a,
  ];
}
$root = current($huffmanTree);

計算後、$root はハフマン ツリーのルート ノードを指します

ハフマン ツリーに基づいてコーディング辞書を生成します

ハフマン ツリーを使用すると、次のことができます。コーディング辞書 辞書:

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);

ファイルの書き込み

辞書を使用してファイルの内容をエンコードし、ファイルに書き込みます。ハフマン エンコーディングをファイルに書き込むときに注意すべき点がいくつかあります:

エンコーディング ディクショナリとエンコーディング コンテンツを一緒にファイルに書き込んだ後、それらの境界を区別することは不可能なので、それらが占めるバイトを最初に書き込む必要があります。 PHP が提供する fwrite() 関数は、一度に 8 ビット (1 バイト) または 8 ビットの整数倍を書き込むことができます。ただし、ハフマン エンコーディングでは、文字は 1 ビットのみで表現される可能性があり、PHP はファイルに 1 ビットのみを書き込む操作をサポートしていません。したがって、エンコーディングを自分で結合し、8 ビットが取得されるたびにのみファイルを書き込む必要があります。

8ビットが取得されるたびに書き込みます

2番目の項目と同様に、最終的なファイルサイズは8ビットの整数倍でなければなりません。したがって、エンコード全体のサイズが 8001 ビットの場合、7 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);

デコード

ハフマン エンコードは比較的単純です。最初にエンコード辞書を読み取り、次に辞書に従って元の文字をデコードします。

デコードプロセスで注意する必要がある問題があります。エンコードプロセス中にファイルの最後にいくつかの 0 ビットを追加したため、これらの 0 ビットがたまたま特定のファイルのエンコードであった場合、辞書に文字が含まれていない場合、デコードエラーが発生します。

そのため、デコード処理中に、デコードされた文字数がドキュメントの長さに達すると、デコードは停止します。

<?php
$content = file_get_contents(&#39;a.out&#39;);
// 读出字典长度和编码内容长度
$header = unpack(&#39;VdictLen/VcontentLen&#39;, $content);
$dict = unserialize(substr($content, 8, $header[&#39;dictLen&#39;]));
$dict = array_flip($dict);
$bin = substr($content, 8 + $header[&#39;dictLen&#39;]);
$output = &#39;&#39;;
$key = &#39;&#39;;
$decodedLen = 0;
$i = 0;
while (isset($bin[$i]) && $decodedLen !== $header[&#39;contentLen&#39;]) {
  $bits = decbin(ord($bin[$i]));
  $bits = str_pad($bits, 8, &#39;0&#39;, 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 = &#39;&#39;;
      $decodedLen++;
      if ($decodedLen === $header[&#39;contentLen&#39;]) {
        break;
      }
    }
  }
  $i++;
}
echo $output;

テスト

ハフマンエンコードWikiページのHTMLコードをローカルに保存し、ハフマンエンコードテストを実施しました。テスト結果:

エンコード前: 418,504バイト

エンコード後: 280,127バイト

スペース元のテキストに繰り返しのコンテンツが多く含まれている場合、ハフマン エンコードによって節約されるスペースは 50% 以上に達する可能性があります

テキスト コンテンツに加えて、次のようなバイナリ ファイルもハフマン エンコードしてみます。 f.lux インストール プログラムの実験 結果は次のとおりです:

エンコード前: 770,384 バイト

エンコード後: 773,076 バイト

エンコード後は、一方では、辞書を作成するため、多くのスペースを必要とする追加の処理は行いません。一方、バイナリファイルでは、各文字の出現確率が比較的均一であり、ハフマン符号化の利点を活かすことができません。

この記事の事例を読んだ後は、この方法を習得したと思います。さらに興味深い情報については、php 中国語 Web サイトの他の関連記事に注目してください。

推奨読書:

PHP クイックソートアルゴリズムを使用する手順の詳細な説明

SPL に基づいて PHP によって実装される反復子の手順の詳細な説明

以上がPHP でのハフマン エンコード/デコード手順の詳細な説明の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。