C++实现霍夫曼编码时如何将编码转为比特写入压缩文件

你已经完成了霍夫曼编码映射表的构建，接下来要把字符串格式的0/1编码转成实际比特存储，核心是用单字节做缓冲，攒够8位再写入文件，避免把'0'/'1'当1字节字符存储浪费空间，具体实现如下。

核心逻辑 #

• 用1个unsigned char类型变量作为8位比特缓冲区，搭配1个计数器记录当前缓冲区已经填充了多少个有效比特，初始值都为0。
• 逐字符遍历原文本，从编码映射表中取出对应霍夫曼编码串，逐位处理每个0/1：将缓冲区左移1位腾出空位，当前位是1就把缓冲区最低位置1，计数器累加。
• 每当计数器累加到8，说明缓冲区已经攒够1个完整字节，直接把这个字节写入输出文件，随后重置缓冲区和计数器。
• 所有编码处理完成后，如果缓冲区还有不足8位的有效比特，低位补0凑成1个完整字节写入文件，必须记录补0的个数，否则解压时会把补的0当成有效编码解析出错。
• 压缩文件必须在开头存储编码表、补0个数这些元信息，否则后续无法正确解压。

适配现有代码的修改 #

1. 新增类成员变量 #

在Huffman类的私有成员区添加比特写入相关的缓冲变量：

unsigned char bit_buf = 0; // 单字节比特缓冲区
int bit_cnt = 0; // 缓冲区已填充的有效比特数
int padding = 0; // 最后一个字节的补0数量

2. 替换原空实现的CompressedFile函数 #

把你原来的CompressedFile函数替换为以下实现，注意打开文件必须用二进制模式，避免文本模式自动转义特殊字符损坏比特流：

void CompressedFile()
{
    // 用二进制模式打开输出文件，自定义后缀避免被当作文本文件误打开
    ofstream compressed("CompressedFile.huf", ios::out | ios::binary);
    if (!compressed.is_open()) {
        cerr << "压缩文件创建失败！" << endl;
        return;
    }

    // 写入文件头：解压必需的元信息
    // 先写编码表条目数
    int map_size = um.size();
    compressed.write(reinterpret_cast<char*>(&map_size), sizeof(map_size));
    // 逐个写入编码表项：字符 + 编码长度 + 编码串
    for (auto& item : um) {
        char ch = item.first;
        string code = item.second;
        int code_len = code.size();
        compressed.write(&ch, sizeof(ch));
        compressed.write(reinterpret_cast<char*>(&code_len), sizeof(code_len));
        compressed.write(code.c_str(), code_len);
    }
    // 预留位置存储最后补0的数量，等比特写完再回填
    streampos padding_pos = compressed.tellp();
    compressed.write(reinterpret_cast<char*>(&padding), sizeof(padding));

    // 逐字符转比特写入
    bit_buf = 0;
    bit_cnt = 0;
    for (char ch : text) {
        string& code = um[ch];
        for (char bit : code) {
            bit_buf <<= 1; // 左移1位腾出最低位存新比特
            if (bit == '1') {
                bit_buf |= 1; // 当前位为1则置最低位为1
            }
            bit_cnt++;
            // 攒够8位写1字节到文件
            if (bit_cnt == 8) {
                compressed.write(reinterpret_cast<char*>(&bit_buf), 1);
                bit_buf = 0;
                bit_cnt = 0;
            }
        }
    }

    // 处理最后不足8位的剩余比特
    padding = 0;
    if (bit_cnt > 0) {
        padding = 8 - bit_cnt;
        bit_buf <<= padding; // 低位补0凑整字节
        compressed.write(reinterpret_cast<char*>(&bit_buf), 1);
    }
    // 回填补0数量到预留的文件头位置
    compressed.seekp(padding_pos);
    compressed.write(reinterpret_cast<char*>(&padding), sizeof(padding));

    compressed.close();
    cout << "压缩完成，输出文件为 CompressedFile.huf" << endl;
}

3. 在主函数中调用压缩逻辑 #

在main函数里obj.HuffmanTree();的后面加一行调用即可：

obj.CompressedFile();

额外优化建议 #

• 你原来的字符频率统计是O(n²)复杂度，大文件下速度很慢，可以替换为O(n)的数组计数实现：

void CharacterFrequency()
{
    vector<int> freq(256, 0);
    for (unsigned char ch : text) {
        freq[ch]++;
    }
    for (int i = 0; i < 256; i++) {
        if (freq[i] > 0) {
            PriorityQueue(static_cast<char>(i), freq[i]);
        }
    }
}

• 记得写完代码后加上霍夫曼树节点的内存释放逻辑，不然会有内存泄漏，新手阶段可以暂时忽略，功能跑通后再补就行。
• 解压的时候逻辑反过来：先读文件头的编码表和补0数，再逐字节读文件，把每个字节拆成8个比特，拼起来匹配编码表还原原字符，最后跳过末尾补的padding个0即可。

内容的提问来源于stack exchange，提问作者Muhammad Taimoor