如何将读取的字节反向转成bitset并还原Huffman encoding的01串?
Huffman编码串反向恢复实现方案
先修正现有写入逻辑的固有问题
当前你用的写入代码存在两个会导致反向转换永远无法得到正确结果的bug,必须先修复才能对齐读写逻辑:
std::string::substr的参数规则是substr(起始位置, 截取长度),不是截取到对应下标的位置。你现在写的str.substr(i, i + 7)属于参数传错:比如i=0时只会截取前7个字符,i=8时会从位置8开始直接截取15个字符,分组完全错乱。正确的分组逻辑是每次从当前位置取长度为8的子串。- Huffman编码的总长度通常不是8的整数倍,最后一组不足8位时必须记录尾部填充的无效位数量,否则反向转换时会把补的凑位字符当成有效编码,直接导致解码流程出错。
反向转换核心实现
反向转换的逻辑和写入过程完全逆序,步骤非常直接:
- 以二进制模式打开压缩存储的文件,逐字节读取(绝对不能用文本模式,否则Windows系统下的换行转换会篡改字节值,导致位序错乱)
- 把每个读到的字节值转换为8位bitset对象,直接调用
to_string()方法就能得到固定长度的8位01字符,依次拼接所有位串。 - 读取文件开头预先存储的填充位数量,从总位串的末尾截掉对应的无效填充位,剩下的就是最初的Huffman编码串。
对应的实现代码:
#include <fstream> #include <bitset> #include <string> #include <algorithm> // 读取压缩文件,恢复原始Huffman编码串 std::string recoverCodeStr(const std::string& filePath) { std::string codeStr; std::ifstream in(filePath, std::ios::binary); if (!in.is_open()) return codeStr; // 先读第一个字节,获取尾部填充位数量 char paddingChar; in.get(paddingChar); int paddingBits = static_cast<unsigned char>(paddingChar); // 逐字节读取剩余内容,转成8位二进制串拼接 char c; while (in.get(c)) { unsigned char uc = static_cast<unsigned char>(c); std::bitset<8> byteBits(uc); codeStr += byteBits.to_string(); } // 截掉尾部无效填充位 if (paddingBits > 0) { codeStr = codeStr.substr(0, codeStr.size() - paddingBits); } return codeStr; }
配套的修正版写入逻辑
为了保证读写位序完全对齐,对应的写入代码修正后如下:
#include <fstream> #include <bitset> #include <string> #include <algorithm> void writeCodeStrToFile(const std::string& codeStr, const std::string& outPath) { std::ofstream out(outPath, std::ios::binary); size_t strLen = codeStr.size(); // 计算需要补多少个0凑成8的整数倍 int paddingBits = (8 - strLen % 8) % 8; // 把填充位数量存在文件第一个字节 out.put(static_cast<char>(paddingBits)); size_t i = 0; while (i < strLen) { // 单次最多取8个字符,避免最后一组不足8个时越界 size_t takeLen = std::min(static_cast<size_t>(8), strLen - i); std::string curPart = codeStr.substr(i, takeLen); // 不足8位时补0对齐 curPart.append(8 - takeLen, '0'); std::bitset<8> bits(curPart); out.put(static_cast<char>(bits.to_ulong())); i += 8; } }
关键注意事项
- 读写过程的位序是完全对齐的:写入时你传入bitset的01串顺序,和bitset转成数值存储、再从数值转回来的01串顺序完全一致,不会出现高低位反转的问题,只要修正substr的参数错误,两边的位串可以完全匹配。
- 所有涉及压缩文件读写的操作必须用二进制模式打开,禁止依赖默认的文本打开模式,否则跨平台运行时会出现字节值篡改的隐蔽bug。
- 填充位不要依赖硬编码记忆,必须随压缩文件一起存储,否则编码串长度变化时很容易出现位偏移错误。
内容的提问来源于stack exchange,提问作者Nicholas
相关产品推荐
相关产品推荐

