哈夫曼编码：如何用Python编写二进制数据

我已经尝试过使用struct模块的方法，如代码中注释的行所示，但没有成功。基本上，我有两个选择：我可以逐个代码编写二进制数据代码（我的代码是长度从3位到13位不等的位序列），或者将整个n个字符字符串（在这种情况下，n=25000+）转换为二进制数据。但我不知道如何实现这两种方法。代码：

import heapq
import binascii
import struct

def createFrequencyTupleList(inputFile):
    frequencyDic = {}

    intputFile = open(inputFile, 'r')
    for line in intputFile:
        for char in line:
            if char in frequencyDic.keys():
                frequencyDic[char] += 1
            else:
                frequencyDic[char] = 1

    intputFile.close()
    tupleList = []
    for myKey in frequencyDic:
        tupleList.append((frequencyDic[myKey],myKey))
    return tupleList

def createHuffmanTree(frequencyList):
    heapq.heapify(frequencyList)
    n = len(frequencyList)
    for i in range(1,n):
        left = heapq.heappop(frequencyList)
        right = heapq.heappop(frequencyList)
        newNode = (left[0] + right[0], left, right)
        heapq.heappush(frequencyList, newNode)
    return frequencyList[0]

def printHuffmanTree(myTree, someCode,prefix=''):
    if len(myTree) == 2:
        someCode.append((myTree[1] + "@" + prefix))
    else:
        printHuffmanTree(myTree[1], someCode,prefix + '0')
        printHuffmanTree(myTree[2], someCode,prefix + '1')

def parseCode(char, myCode):
    for k in myCode:
        if char == k[0]:
            return k[2:]


if __name__ == '__main__':
    myList = createFrequencyTupleList('input')
    myHTree = createHuffmanTree(myList)
    myCode = []
    printHuffmanTree(myHTree, myCode)
    inputFile = open('input', 'r')
    outputFile = open('encoded_file2', "w+b")
    asciiString = ''
    n=0
    for line in inputFile:
        for char in line:
            #outputFile.write(parseCode(char, myCode))
            asciiString += parseCode(char, myCode)
            n += len(parseCode(char, myCode))
    #values = asciiString
    #print n
    #s = struct.Struct('25216s')
    #packed_data = s.pack(values)
    #print packed_data
    inputFile.close()
    #outputFile.write(packed_data)
    outputFile.close()

---

你在找这个：

packed_data = ''.join(chr(int(asciiString[i:i+8], 2)) 
                         for i in range(0, len(asciiString), 8))

它将从

ascistring

一次获取8位，将其解释为一个整数，并输出相应的字节

这里的问题是，这需要

ascistring

的长度为8位的倍数才能正常工作。否则，将在最后几个实位之前插入零位

因此，您需要将最后一个字节中的位数存储在某个位置，这样您就知道在取回这些位时忽略它们，而不是将它们解释为零。你可以试试：

packed_data = chr(len(asciiString) % 8) + packed_data

然后当你读回来的时候：

packed_input = coded_file.read()
last_byte_length, packed_input, last_byte = (packed_input[0], 
                                             packed_input[1:-1], 
                                             packed_input[-1])
if not last_byte_length: last_byte_length = 8
ascii_input = ''.join(chain((bin(ord(byte))[2:].zfill(8) for byte in packed_input),
                      tuple(bin(ord(last_byte))[2:].zfill(last_byte_length),)))
# OR
# ascii_input = ''.join(chain(('{0:0=8b}'.format(byte) for byte in packed_input),
#                       tuple(('{0:0=' + str(last_byte_length) + '8b}').format(last_byte),)))

编辑：您需要从

bin（）

返回的字符串中删除“0b”，或者在2.6或更高版本上，最好使用我添加的新的替代版本，该版本使用字符串格式，而不是

bin（）

、切片和

zfill（）

---

编辑：谢谢eryksun，很好地使用链来避免复制ASCII字符串。另外，需要在

bin（）

版本中调用

ord（byte）

。

我认为这是一个改进。在Python3中，不使用b“”类型来存储文本，而是存储二进制数据，因此它非常有意义。为什么要对二进制数据调用

ord

？你不会的，你称之为角色。二进制数据的单个字节最容易表示为整数，这就是Python 3的功能。是否所有支持

{0}.format（）的Python版本都支持嵌套版本？我知道
'{}.format（）
不能在所有接受
'{0}.format（）
的版本中工作。谢谢，这非常准确，但对我来说也很难理解。我不明白为什么写二进制数据这么复杂。。。