python - 将霍夫曼编码字符串转换为二进制

Question

我在如何将霍夫曼编码字符串转换为二进制 python 时遇到问题。

这道题不涉及霍夫曼算法。

是这样的:

我可以获得编码的哈夫曼字符串，例如 01010101010。 注意，是字符串。

但现在我想将字符串表示形式保存为真正的二进制文件。

在哈夫曼编码的字符串中，每一个0和1都是一个字节。

我想要的是每个 0 和 1 都是一个位。

我怎样才能在 python 中做到这一点？

编辑 1:

请原谅我没有足够清楚地描述我的问题。

让我解释一下我目前将 0 和 1 写入二进制的方法。

比方说，我们可以使用代码字符串 s='010101010'。

1. 我使用 int 将其转换为整数
2. 然后使用unichr将其转换为字符串，以便我可以将其写入文件
3. 以二进制方式将字符串写入文件

还要注意，我需要读取文件才能解码霍夫曼代码。

所以我的做法是，

1. 从文件中读取字节
2. 将它们恢复为 int
3. 将 int 转换为其二进制表示字符串。
4. 解码字符串

在第 2 步，问题发生了，我变得毫 headless 绪。

因为一些霍夫曼字符串可以很短(如 10)，而有些可以很长(010101010101001)。这导致它们的 int 值中的字节长度不同(一些短字符串可能只占用一个字节，而长字符串可能占用两个甚至更多)

下面的代码说明了我的问题:

ss=['010101','10010101010'] 
# first one is short and takes only one byte in its int value
# second one is long and takes two bytes   

print 'write it to file'
with open('binary.bin','wb') as f:
    for s in ss:
        n=int(s,2)
        print n
        s=unichr(n)
        f.write(s)

print 'read it to file'
with open('binary.bin','rb') as f:
    for s in f.read(): 
        print ord(s)

我在第二个 with 部分一次读取一个字节，但这实际上是不正确的。因为字符串 10010101010 占用两个字节。

那么，当我从文件中读取这些字节时，我应该一次读取多少字节？

Answer 1

您可能想使用 Python 中两种不同的“二进制”表示。

比格努姆

一个是“bignum”或任意精度整数。这种类型在 Python 2.x 中称为 long，在 Python 3.x 中称为 int。顾名思义，这种表示在语义上是任意长度的整数，因此如果您计划对结果数字进行算术运算，它会很有用。要解析一串二进制数字，请使用

# Python 2
long(digit_str, 2)

或

# Python 3
int(digit_str, 2)

位串库

或者，正如 Marc B 在评论中所建议的那样，使用 bitstring library .具体来说，对于转换，使用 bitstring.pack function .

对于霍夫曼编码，使用bitstring 可能比将数据存储在byte-string 中更可取，因为霍夫曼编码通常不是8 位的倍数； bitstring 允许您操作任意长度的位串。缺点:bitstring 不是标准库的一部分。