文件压缩是指在不丢失有用信息的前提下，缩减数据量以减少存储空间，提高其传输、存储和处理效率，或按照一定的算法对文件中数据进行重新组织，减少数据的冗余和存储的空间的一种技术方法。
①紧缩数据存储容量，减少存储空间。
②可以提高数据传输的速度，减少带宽占用量，提高通讯效率。
③对数据的一种加密保护，增强数据在传输过程中的安全性。
压缩的目的是让文件变小，减少文件所占的存储空间。
专有名词采用的固定短语：比如：南昌大学，简称南大或者昌大，就可以提到压缩的目的，但只能针对于大家所熟知的专有名词。
缩短文件中重复的数据：比如文件中存放数据为：mnoabczxyuvwabc123456abczxydefgh
对文件中重复数据使用(距离，长度)对进行替换，压缩之后的结果为：mnoabczxyuvw(9,3)123456(18, 6)defgh。
给文件中每个字节找一个更短的编码：比如文件中存放数据为：ABBBCCCCCDDDDDDD。
采用静态等长编码压缩： 00010101 10101010 10000000 00000000。
采用动态不等长编码压缩：10010110 11011111 11111100 00000000。
文件16个字节，压缩完成之后占4个字节，可以起到压缩的目的。
在认识哈夫曼树之前，你必须知道以下几个基本术语：
①什么是路径？
在一棵树中，从一个结点往下可以达到的结点之间的通路，称为路径。
②什么是路径长度？
某一路径所经过的“边”的数量，称为该路径的路径长度。
如图，该路径经过了3条边，因此该路径的路径长度为3。
③什么是结点的带权路径长度？
若将树中结点赋给一个带有某种含义的数值，则该数值称为该结点的权。从根结点到该结点之间的路径长度与该结点的权的乘积，称为该结点的带权路径长度。
如图，叶子结点I的带权路径长度为 3 × 3 = 9 。
④什么是树的带权路径长度？
树的带权路径长度规定为所有叶子结点的带权路径长度之和，记为WPL。
如图，该二叉树的带权路径长度 WPL= 2 × 2 + 2 × 6 + 3 × 1 + 3 × 3 + 2 × 2 = 32
⑤什么是哈夫曼树？
给定n个权值作为n个叶子结点，构造一棵二叉树，若该树的带权路径长度达到最小，则称该二叉树为哈夫曼树，也被称为最优二叉树。
根据树的带权路径长度的计算规则，我们不难理解：树的带权路径长度与其叶子结点的分布有关。
即便是两棵结构相同的二叉树，也会因为其叶子结点的分布不同，而导致两棵二叉树的带权路径长度不同。
那如何才能使一棵二叉树的带权路径长度达到最小呢？
根据树的带权路径长度的计算规则，我们应该尽可能地让权值大的叶子结点靠近根结点，让权值小的叶子结点远离根结点，这样便能使得这棵二叉树的带权路径长度达到最小。
下面给出一个非常简洁易操作的算法，来构造一棵哈夫曼树：
1、初始状态下共有n个结点，结点的权值分别是给定的n个数，将他们视作n棵只有根结点的树。
2、合并其中根结点权值最小的两棵树，生成这两棵树的父结点，权值为这两个根结点的权值之和，这样树的数量就减少了一个。
3、重复操作2，直到只剩下一棵树为止，这棵树就是哈夫曼树。
例如，现给定5个数，分别为1、2、2、3、6，要求构建一棵哈夫曼树。
动图演示：
1、初始状态：有5棵只有根结点的树。
2、合并权值为1和2的两棵树，生成这两棵树的父结点，父结点权值为3。
3、合并权值为2和3的两棵树，生成这两棵树的父结点，父结点权值为5。
4、合并权值为3和5的两棵树，生成这两棵树的父结点，父结点权值为8。
5、合并权值为6和8的两棵树，生成这两棵树的父结点，父结点权值为14。
6、此时只剩下一棵树了，这棵树就是哈夫曼树。
1.统计源文件中每个字符出现的频数
2.根据统计的结果创建HuffmanTree
3.借助Huffman树获取每个字节的编码
4.使用获取到的字节编码对源文件进行改写，对源文件每个字节替换成huffman编码
1.解压缩需要获取的信息
1.获取源文件后缀
2.构建字节频次信息，统计有效字符总行数
3.写入信息
2.从压缩文件读取解压缩需要用到的信息
3.恢复huffmanTree
4.读取压缩信息,结合huffmanTree进行解压缩
默认创建的是根据节点的地址来比较，这里写最后是按地址的大小比较,因为传过去的是节点的指针，而我们要根据根据节点里面的权值来创建小堆，所以自己写仿函数。
首先应该注意到是的乱码出现的原因：
1.文件中存在汉字，而汉字的编码对应ASCII表可能是使用多个字节来编码一个汉字，但是在解码过程中是逐字节获取，这就导致了该字节在表中对应一个负数。
压缩带中文的文件，程序就会崩溃。
最后发现数组越界的问题.
因为char它的范围是-128127，程序中使用char类型为数组下标（0127），所以字符没有问题，但是汉字是占两个字节的，所以会出现越界的问题，解决的方法就是char类型强转为unsigned char，它的范围为0~255。
最直接的排错方式：查看压缩与解压缩时使用的Huffman树是否相同，相当于比较压缩与解压缩时所使用的字节频次信息是否相同，遇到换行时，直接开始下一次循环，以至于最后的循环少一次。
7.解压缩文件大小小于源文件大小，没有解压缩全部如何解决
①如何判断解压缩文件是否正确，使用的是Ultar Edit
②文件读取时，”r"文本方式读入，读取时遇到-1就会结束，所以在此处要采用二进制方式进行读写“rb”
自带的压缩软件为1KB,这个为6KB。
不会，对压缩文件再次压缩就相当于在进行一次Huffman编码的基础上再进行编码，结果不一定。
有，在文件中如果字节的种类非常多，而且出现次数比较均衡的情况下，变大的可能性就越大，Huffman树在越接近平衡二叉树的情况下，压缩结果越不理想，字节的编码长度都差不多，比如压缩音频以及视频文件，压缩率都超过了100%！
6.结论
文本文件的压缩率比二进制文件的压缩率更好，因为文本文件的编码相比于二进制文件的编码相对更简单，导致了文件压缩率的差距较大。相比传统的压缩工具，这个工具压缩效率基本为传统压缩效率的3分之一。
