6.4 通过莫尔斯编码来看哈夫曼算法的基础

压缩技巧：哈夫曼算法

哈夫曼算法是哈夫曼(D.A.Huffman)于1952年提出来的压缩算法。日本人比较常用的压缩软件LHA（LHA是吉崎荣泰开发的一款免费压缩软件），使用的就是哈夫曼算法。

为了更好地理解哈夫曼算法，首先要抛弃掉“半角英文数字的1个字符是1个字节(8位)的数据”这一概念。

文本文件是由不同类型的字符组合而成的，而且不同的字符出现的次数也是不同的。例如，在某一个文本文件中，A出现了100次左右，Q仅用到了3次。而哈夫曼算法的关键就在于“多次出现的数据用小于8位的字节数来表示，不常用的数据则可以用超过8位的字节数来表示”。A和Q都用8位来表示时，原文件的大小就是100次×8位+3次×8位=824位，而假设A用2位、Q用10位来表示，压缩后的大小就是100次×2位+3次×10位=230位。

注意，不管是不满8位的数据，还是超过8位的数据，最终都要以8位为单位保存到文件中。这是因为磁盘是以字节(8位)为单位来保存数据的(如下图6-3)：

为了实现这一处理，压缩程序的内容会复杂很多，不过作为回报，最终得到的压缩率也是相当高的。

莫尔斯编码是1837年莫尔斯(Samuel E.B.Morse)提出的。莫尔斯编码不是通过语言，而是通过“嗒嘀 嗒 嘀”这些长点和短点的组合来传递文本信息的。

对数字领域比较熟悉的读者可能会认为“莫尔斯编码的短点是0，长点是1，其中1个字符用8位来表示”，但实际上，根据字符种类的不同，莫尔斯电码符号的长度也是不同的。

下表是莫尔斯编码的示例：大家把1看作是短点(嘀)，把11看作是长点(嗒)即可

莫尔斯编码把一般文本中出现频率高的字符用短编码来表示。这里所说的出现频率，不是通过对出版物等文章进行统计调查得来的，而是根据印刷行业的印刷活字数目而确定的。