霍夫曼：无法解压像“æ”、“ø”、“å”和“•”这样的字符

Question

我正在处理我的 Huffman 压缩（或者此时的解压），但我无法正确解压“æ”、“ø”、“å”和“•”等字符。字符'æ'被解压为两个符号'ￃﾦ'。知道应该做什么吗？

编辑： 我认为这可能与 BufferedWriter 和 InputStream（以及其他）有关。我可能需要用 UTF-8 或其他方式读写？我该怎么做？

编辑 2：：在一些求助热线的帮助下，我发现“ￃ”和“ﾦ”作为单独的字符写入文件。 'ø' 是否大于 1 个字节，也许我假设每个字符在某处都是 1 个字节？

public static void decompressFile() throws IOException {

    
    byte[] compressedBytes = //somecode
    int[] frequencyTable = //somecode

    HuffmanNode root = //some code

    //Generating code table
    String[] codeTable = new String[256];
    Huffman.getCodeTable(codeTable, root, "");

    DataInputStream inputStream = new DataInputStream(new BufferedInputStream(new FileInputStream("[//thecompressedfile]"
    BitInputStream bitInputStream = new BitInputStream(inputStream, compressedBytes.length);

    BufferedWriter bufferedWriter = new BufferedWriter(new FileWriter(newFileName));


    HuffmanNode node = root;
    int bit;


    while ((bit = bitInputStream.readBit()) != -1) {
        //int bit = bitInputStream.readBit();
        System.out.print(bit + "");

        if (bit == 0) {
            node = node.getLeft();
            if (node.isLeaf()) {
                bufferedWriter.write(node.getAByte());
                node = root;
            }
        } else if (bit == 1) {
            node = node.getRight();
            if (node.isLeaf()) {
                bufferedWriter.write(node.getAByte());
                node = root;
            }
        }
    }

    bufferedWriter.close();
}

Answer 1

您使用 InputStream 读取并使用 Writer 写入。第一个用于读取二进制数据，第二个用于写入文本。当您调用 bufferedWriter.write(node.getAByte()).

时，您正在进行隐式转换

换句话说，您将二进制数据解释为 ISO-8859-1，因为您基本上是将一个字节转换为 char（技术上是 int 用于...奇怪的原因）。然后你用任何平台默认编码写回它。

这会弄乱您的文本，除非它碰巧是 ISO-8859-1 编码并且平台默认编码是相同的。

更好的方法是将其始终视为二进制数据（如果它真的是文本也没关系，只要您不关心解释您的文本代码，你似乎没有这样做）。由于霍夫曼编码作用于字节流，这也更符合您对数据所做的操作。

为此，将 Writer 替换为 OutputStream（即 FileOutputStream，出于性能原因可能包含在 BufferedOutputStream 中）。

霍夫曼：无法解压像“æ”、“ø”、“å”和“•”这样的字符

Huffman: Can't decompress characters like 'æ', 'ø', 'å' and '•'

java

arrays

huffman-code