Huffman解压æ、ø、å等特殊字符出现乱码问题求解

问题根因 #

• 你提到的æ、ø、å、•等字符在UTF-8编码下为变长存储，长度为2~3字节，你默认所有字符占1字节的逻辑存在问题。
• 你的IO代码未显式指定编码，FileWriter默认使用操作系统本地编码做字符转码，导致单字节值被错误映射为多字节乱码。

具体修复方案 #

1. 显式指定IO编码（对应你补充的第一个问题） #

将原有BufferedWriter初始化代码替换为显式指定UTF-8的实现：

// Java 7+ 版本，无需额外捕获编码异常
BufferedWriter bufferedWriter = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(newFileName), StandardCharsets.UTF_8));

// 兼容Java 6及更早版本写法
BufferedWriter bufferedWriter = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(newFileName), "UTF-8"));

如果你的哈夫曼逻辑本身是按二进制字节处理的，更推荐直接使用字节输出流避免不必要的字符转码，性能更高也不会出转码错误：

// 替换原有BufferedWriter相关全部逻辑
FileOutputStream fos = new FileOutputStream(newFileName);

// 叶子节点写入逻辑替换为直接写字节
if (node.isLeaf()) {
    fos.write(node.getAByte());
    node = root;
}

// 最后关闭输出流
fos.close();

2. 对齐压缩、解压逻辑 #

根据你压缩阶段的处理逻辑，保证两边规则完全一致：

• 如果压缩时是按原始文件的二进制字节统计频率（每个字节作为独立单元处理，不感知字符编码），解压时直接写二进制字节即可，不需要做任何字符转码，解压后文件和原文件二进制完全一致就不会有乱码。
• 如果压缩时是按UTF-8字符统计频率，你当前长度为256的codeTable完全无法覆盖多字节字符，需要将编码表替换为支持全Unicode字符的HashMap结构，同时调整压缩、解压逻辑按字符粒度处理。

内容的提问来源于stack exchange，提问作者Kristina