142 lines
4.6 KiB
C
142 lines
4.6 KiB
C
#include "common.h"
|
|
#include "compress.h"
|
|
#include "buffer.h"
|
|
#include "huftree.h"
|
|
#include "display.h"
|
|
|
|
#include <assert.h>
|
|
#include <stdlib.h>
|
|
#include <stdio.h>
|
|
#include <string.h>
|
|
#include <errno.h>
|
|
#include <stdint.h>
|
|
#include <inttypes.h>
|
|
|
|
/**
|
|
* Effectuer un comptage des caractères dans le corpus d'entrée. En déduire
|
|
* le tableau des fréquences d'apparition des caractères ASCII
|
|
*
|
|
* (résultat à libérer avec `free`)
|
|
*/
|
|
static double* _createFrequencies(FILE*, uint64_t*);
|
|
|
|
/**
|
|
* Encoder le fichier d'entrée vers le fichier de sortie
|
|
* en suivant les étiquettes passées. Les étiquettes
|
|
* peuvent être calculées avec labelTree()
|
|
*/
|
|
static void _encodeFromTable(char**, FILE*, WriteBuffer*);
|
|
|
|
double* _createFrequencies(FILE* file, uint64_t* total) {
|
|
double* frequencies = malloc(NUM_CHARS * sizeof(*frequencies));
|
|
*total = 0;
|
|
|
|
for (size_t i = 0; i < NUM_CHARS; i++) {
|
|
frequencies[i] = 0;
|
|
}
|
|
|
|
// Lecture du fichier caractère par caractère et comptage
|
|
int current;
|
|
|
|
while ((current = fgetc(file)) != EOF) {
|
|
assert(current >= 0 && current < NUM_CHARS);
|
|
frequencies[current]++;
|
|
(*total)++;
|
|
}
|
|
|
|
// Conversion des effectifs des caractères en fréquences
|
|
for (size_t i = 0; i < NUM_CHARS; i++) {
|
|
frequencies[i] /= *total;
|
|
}
|
|
|
|
return frequencies;
|
|
}
|
|
|
|
void _encodeFromTable(char** labels, FILE* source, WriteBuffer* output) {
|
|
int current;
|
|
|
|
// Lecture du fichier d'entrée caractère par caractère
|
|
while ((current = fgetc(source)) != EOF) {
|
|
assert(current >= 0 && current < NUM_CHARS);
|
|
char* label = labels[current];
|
|
assert(label != NULL);
|
|
|
|
// Ajout du label dans le buffer, caractère par caractère
|
|
// vidant progressivement le buffer
|
|
while (*label != '\0') {
|
|
putBuffer(*label == '1', output);
|
|
label++;
|
|
}
|
|
}
|
|
}
|
|
|
|
void compress(FILE* source, FILE* dest) {
|
|
// ÉTAPE 1 : calcul des fréquences d'apparition de chaque caractère
|
|
// dans le fichier source. Ce programme prend le terme caractère au sens
|
|
// restreint d'octet. Dans le cas où l'on compresse des fichiers Unicode
|
|
// utilisant des caractères sur plusieurs octets, on aura donc une
|
|
// compression moins optimale.
|
|
// FIXME: éviter la division par zéro pour les fichiers vides
|
|
printVerbose("Calcul des fréquences d'apparition des caractères.\n");
|
|
uint64_t start_bytes = 0;
|
|
double* frequencies = _createFrequencies(source, &start_bytes);
|
|
|
|
if (isVerbose()) {
|
|
printFrequenciesTable(frequencies, NUM_CHARS);
|
|
}
|
|
|
|
// ÉTAPE 2 : construction d'un arbre de Huffman correspondant aux
|
|
// fréquences d'apparition des caractères
|
|
// FIXME: éviter les arbres malformés avec les fichiers ne contenant qu'un
|
|
// seul type de caractère
|
|
printVerbose("\nConstruction de l'arbre de Huffman.\n");
|
|
HufTree tree = createTree(frequencies);
|
|
|
|
free(frequencies);
|
|
frequencies = NULL;
|
|
|
|
if (isVerbose()) {
|
|
printTree(tree);
|
|
}
|
|
|
|
// ÉTAPE 3 : calcul de la clef de codage en étiquettant les chaque feuille
|
|
// de l'arbre. Pour chaque sommet traversé, s'il est le fils gauche de son
|
|
// parent, l'étiquette est augmentée d'un '0', sinon elle l'est d'un '1'
|
|
printVerbose("\nÉtiquetage des feuilles de l'arbre.\n");
|
|
char** labels = createTreeLabels(tree);
|
|
|
|
if (isVerbose()) {
|
|
printLabelsTable(labels, NUM_CHARS);
|
|
}
|
|
|
|
// ÉTAPE 4 : écriture des données compressées vers la sortie. Les données
|
|
// écrites permettent de restituer le fichier originel : nombre de
|
|
// caractères stockés, arbre de Huffman et données compressées brutes
|
|
WriteBuffer output = createWriteBuffer(dest);
|
|
printVerbose("\nÉcriture des données compressées.\n");
|
|
|
|
// - Entier 64 bits : nombre d'octets dans le fichier originel
|
|
fwrite(&start_bytes, sizeof(start_bytes), 1, dest);
|
|
|
|
// - Arbre linéarisé : arbre de Huffman permettant le calcul de la clef
|
|
writeTree(tree, &output);
|
|
|
|
// - Données compressées brutes (caractères originels traduits dans
|
|
// la clef de codage calculée avant)
|
|
rewind(source);
|
|
_encodeFromTable(labels, source, &output);
|
|
flushBuffer(&output);
|
|
|
|
// ÉTAPE 5 : affichage des statistiques de compression et fin
|
|
uint64_t end_bytes = sizeof(start_bytes) + getFlushedCount(&output);
|
|
double gain = ((double) start_bytes - end_bytes) / start_bytes * 100;
|
|
|
|
printVerbose("Taille originelle : %" PRIu64 " octets.\n", start_bytes);
|
|
printVerbose("Taille compressée : %" PRIu64 " octets.\n", end_bytes);
|
|
printVerbose("Gain : %.2f %% !\n", gain);
|
|
|
|
freeTree(tree);
|
|
freeTreeLabels(labels);
|
|
labels = NULL;
|
|
}
|