算法解析哈夫曼（huffman）压缩算法

　　前言
　　本篇将介绍 哈夫曼压缩算法（Huffman compression） 哈夫曼压缩算法（Huffman compression）
　　众所周知，计算机存储数据时，实际上存储的是一堆0和1（二进制）。
　　如果我们存储一段字符：ABRACADABRA!
　　那么计算机会把它们逐一翻译成二进制，如A：01000001；B: 01000010; !: 00001010.
　　每个字符占8个bits, 这一整段字符则至少占12*8=96 bits。
　　但如果我们用一些特殊的值来代表这些字符，如：
　　图中，0代表A; 1111代表B；等等。此时，存储这段字符只需30bits，比96bits小多了，达到了压缩的目的。
　　我们需要这么一个表格来把原数据翻译成特别的、占空间较少的数据。同时，我们也可以用这个表格，把特别的数据还原成原数据。
　　首先，为了避免翻译歧义，这个表格需满足一个条件： 任何一个字符用的值都不能是其它字符的前缀 。
　　我们举个反例：A: 0; B: 01;这里，A的值是B的值的前缀。如果压缩后的数据为01xxxxxx,x为0或者1，那么这个数据应该翻译成A1xxxxxx, 还是Bxxxxxxx?这样就会造成歧义。
　　然后，不同的表格会有不同的压缩效果，如：
　　这个表格的压缩效果更好。
　　那么我们如何找到 最好的表格 呢？这个我们稍后再讲。
　　为了方便阅读，这个表格是可以写成一棵树的：
　　这棵树的节点左边是0，右边是1。任何含有字符的节点都没有非空子节点。（即上文提及的前缀问题。）
　　这棵树是在压缩的过程中建成的，这个表格是在树形成后建成的。用这个表格，我们可以很简单地把一段字符变成压缩后的数据，如：
　　原数据：ABRACADABRA!
　　表格如上图。
　　令压缩后的数据为S；
　　第一个字符是A，根据表格，A：11，故S=11;
　　第二个字符是B，根据表格，B：00，故S=1100;
　　第三个字符是R，根据表格，R：011，故S=1100011;
　　如此类推，读完所有字符为止。
　　压缩搞定了，那解压呢？很简单，跟着这棵树读就行了：
　　压缩后的数据S=11000111101011100110001111101
　　记住，读到1时，往右走，读到0时，往左走。
　　令解压后的字符串为D；
　　从根节点出发，第一个数是1，往右走：
　　第二个数是1，往右走：
　　读到有字符的节点，返回此字符，加到字符串D里。D:A;
　　返回根节点，继续读。
　　第三个数是0，往左走：
　　第四个数是0，往左走：
　　读到有字符的节点，返回此字符，加到字符串D里。D:AB;
　　返回根节点，继续读。
　　第五个数是0，往左走：
　　第六个数是1，往右走：
　　第七个数是1，往右走：
　　读到有字符的节点，返回此字符，加到字符串D里。D:ABR;
　　返回根节点，继续读。
　　如此类推，直到读完所有压缩后的数据S为止。
　　压缩与解压都搞定了之后 　　我们需要先把原数据读一遍，并把每个字符出现的次数记录下来。如：
　　ABRACADABRA!中，A出现了5次;B出现了2次;C出现了1次;D出现了1次;R出现了2次;!出现了1次。
　　理论上，出现频率越高的字符，我们给它一个占用空间越小的值，这样，我们就可以有最佳的压缩率
　　由于哈夫曼压缩算法这块涉及内容较多 ，文章篇幅很长；全文全方面讲解了Compose布局的各方面知识。更多Android前言技术进阶，我自荐一套《 完整的Android的资料，以及一些视频课讲解 》  现在私信发送＂进阶＂或者＂笔记＂即可免费获取
　　最后我想说：
　　对于程序员来说，要学习的知识内容、技术有太多太多，要想不被环境淘汰就只有不断提升自己，从来都是我们去适应环境，而不是环境来适应我们
　　技术是无止境的，你需要对自己提交的每一行代码、使用的每一个工具负责，不断挖掘其底层原理，才能使自己的技术升华到更高的层面
　　Android 架构师之路还很漫长，与君共勉