标题：手把手教你用C++实现哈夫曼文件压缩
关键词：C++文件压缩、哈夫曼编码、数据压缩、C++实战
描述：本文详细讲解如何基于哈夫曼编码实现C++简易文件压缩程序，包含完整代码实现和分步解析，适合有一定C++基础的开发者实践。

正文：

在数字化时代，文件压缩技术就像魔术师的帽子，能让庞然大物瞬间缩小。今天我们就用C++和哈夫曼编码，亲手打造这样一个"魔术工具"。哈夫曼编码作为经典的无损压缩算法，其核心思想是让高频字符用更短的编码表示，就像给常用词起绰号一样高效。

一、哈夫曼压缩原理速览

1. 频率统计：扫描文件统计每个字节出现频率
2. 构建哈夫曼树：将字节作为叶子节点，频率作为权重构建最优二叉树
3. 生成编码表：左分支标记0，右分支标记1，从根到叶子的路径即为编码
4. 写入压缩文件：包含编码表+压缩后的比特流

二、核心代码实现

1. 哈夫曼节点结构

struct HuffmanNode {
    uint8_t byte;
    uint32_t freq;
    HuffmanNode *left, *right;
    
    HuffmanNode(uint8_t b, uint32_t f) 
        : byte(b), freq(f), left(nullptr), right(nullptr) {}
    
    // 比较运算符重载用于优先队列
    bool operator>(const HuffmanNode& other) const {
        return freq > other.freq;
    }
};

2. 频率统计函数

unordered_map countFrequencies(const string& filename) {
    ifstream file(filename, ios::binary);
    unordered_map freqMap;
    
    uint8_t byte;
    while(file.read((char*)&byte, sizeof(byte))) {
        freqMap[byte]++;
    }
    
    return freqMap;
}

3. 构建哈夫曼树

HuffmanNode* buildHuffmanTree(const unordered_map& freqMap) {
    priority_queue, function> 
        minHeap([](HuffmanNode* a, HuffmanNode* b){ return a->freq > b->freq; });

    for (const auto& pair : freqMap) {
        minHeap.push(new HuffmanNode(pair.first, pair.second));
    }

    while (minHeap.size() > 1) {
        auto left = minHeap.top(); minHeap.pop();
        auto right = minHeap.top(); minHeap.pop();
        
        auto merged = new HuffmanNode(0, left->freq + right->freq);
        merged->left = left;
        merged->right = right;
        minHeap.push(merged);
    }
    
    return minHeap.top();
}

三、编码生成与文件写入

生成编码表后，需要处理几个关键问题：
1. 比特流处理：由于哈夫曼编码是变长的，需要按位写入
2. 序列化编码表：将树结构存入压缩文件头部以便解压

这里给出比特写入的示例：

void writeBits(vector& bits, ofstream& out) {
    static uint8_t buffer = 0;
    static uint8_t bitPos = 0;

    for (bool bit : bits) {
        buffer |= bit << (7 - bitPos);
        if (++bitPos == 8) {
            out.write((char*)&buffer, 1);
            buffer = 0;
            bitPos = 0;
        }
    }
}

四、性能优化技巧

1. 内存映射文件：处理大文件时用mmap替代传统IO
2. 并行统计：多线程统计不同文件块的频率
3. 字典预加载：对特定类型文件使用预置的哈夫曼表

实际测试中，对文本文件的压缩率可达40%-60%。虽然不如专业压缩工具，但这个亲手打造的压缩器会让你真正理解：

数据压缩的本质，是用计算时间换取存储空间的艺术

（完整项目代码建议实现解压功能，并添加错误处理机制。由于篇幅限制，这里仅展示核心部分）