Programme Compression de fichiers selon Huffman

Version imprimable

06/05/2006, 20h51
Lord Van

Programme Compression de fichiers selon Huffman

Bonjour à tous,

voilà, je suis en train de développer dans le cadre de mes études un programme permettant de compresser/décompresser un fichier texte selon le codage de Huffman. Je n'ai pas rencontré de problèmes particuliers de fonctionnement mais j'ai un souci que je n'arrive pas à résoudre. Le programme traite la majeure partie des caractères sauf certains qu'il ne prend pas en compte. Par exemple le caractère "é" n'est pas pris en compte. En fait, tous ces caractères non lus, correspondent à un endroit précis de la table ascii. Je n'ai plus en tête le nombre précis, mais par exemple, à partir du 150ème jusqu'à la fin de la table ascii, ces caractères ne sont plus pris en compte par mon programme. En connaissez-vous la raison ? Si oui, pouvez vous me donner une solution pour résoudre ce problème ??

Merci d'avance !
06/05/2006, 21h28
Pragmateek

On peut aussi utiliser des variables Unicode.
06/05/2006, 23h17
Lord Van

càd, je ne connais pas ce genre de variables ?
06/05/2006, 23h31
Pragmateek

C'est le type "wchar_t" qui possède ses propre fonctions.
Mais c'est peut être un peu lourd dans ce cas.

A partir du 150e c'est bizarre, 127 aurait semblé plus "normal".
Normalement le ASCII étendu va jusqu'à 255, il tient dans un char.
Avec quelle fonction sont lus les caractères?
07/05/2006, 00h23
fearyourself

Citation:

Envoyé par Lord Van

Bonjour à tous,

voilà, je suis en train de développer dans le cadre de mes études un programme permettant de compresser/décompresser un fichier texte selon le codage de Huffman. Je n'ai pas rencontré de problèmes particuliers de fonctionnement mais j'ai un souci que je n'arrive pas à résoudre. Le programme traite la majeure partie des caractères sauf certains qu'il ne prend pas en compte. Par exemple le caractère "é" n'est pas pris en compte. En fait, tous ces caractères non lus, correspondent à un endroit précis de la table ascii. Je n'ai plus en tête le nombre précis, mais par exemple, à partir du 150ème jusqu'à la fin de la table ascii, ces caractères ne sont plus pris en compte par mon programme. En connaissez-vous la raison ? Si oui, pouvez vous me donner une solution pour résoudre ce problème ??

Merci d'avance !

J'ai eu une fois ce genre de problème parce que j'avais oublié de déclarer explicitement les variables de types char en unsigned char.

Sinon, il faudrait voir un peu de code et que tu tentes de préciser à quel endroit spécifique il y a un problème...

Jc
07/05/2006, 00h28
crocodilex

Je ne connais pas le codage Huffman, mais qu'est-ce qui empêche de traiter le fichier comme un simple fichier binaire ?
07/05/2006, 00h29
Pragmateek

Huffman se base sur du texte et la répétition de caractère.
07/05/2006, 00h37
crocodilex

Citation:

Envoyé par seriousme

Huffman se base sur du texte et la répétition de caractère.

Et alors ? Pourquoi cela ne marcherai pas avec des données de type quelconque ?
07/05/2006, 03h02
Emmanuel Delahaye

Citation:

Envoyé par Lord Van

Par exemple le caractère "é" n'est pas pris en compte. En fait, tous ces caractères non lus, correspondent à un endroit précis de la table ascii.

La table ASCII couvre les valeurs de 0 à 127. Aucune chance que é en fasse partie... Ou alors on ne parle pas de 'table ASCII'...
07/05/2006, 03h08
Emmanuel Delahaye

Citation:

Envoyé par crocodilex

Et alors ? Pourquoi cela ne marcherai pas avec des données de type quelconque ?

Un fichier compressé 'Huffman' est un fichier binaire... En fait, on a attribué à chaque caractère un code de 2 à n bits selon son occurence dans le texte... (très fréquent : code court, moins fréquent, code long).

C'est assez rusé comme codage... On utilise la table d'occurence pour construire un arbre pour encoder... La table d'occurence est transmise et sert à reconstruire l'arbre distant qui est utilisé pour le décodage...
07/05/2006, 11h25
crocodilex

Citation:

Envoyé par Emmanuel Delahaye

Un fichier compressé 'Huffman' est un fichier binaire... En fait, on a attribué à chaque caractère un code de 2 à n bits selon son occurence dans le texte... (très fréquent : code court, moins fréquent, code long).

C'est assez rusé comme codage... On utilise la table d'occurence pour construire un arbre pour encoder... La table d'occurence est transmise et sert à reconstruire l'arbre distant qui est utilisé pour le décodage...

Voilà qui est plus clair. Je vais faire des recherches plus approfondies pour ne pas mourrir bête.
Merci pour l'info...
07/05/2006, 11h37
Pragmateek

Citation:

Ou alors on ne parle pas de 'table ASCII'...

Mais on parle bien de "ASCII étendu" quand le codage se fait sur 8 bit et non 7 pour le ASCII classique.
La page de code 850 le gère.
07/05/2006, 11h45
Emmanuel Delahaye

Citation:

Envoyé par seriousme

Mais on parle bien de "ASCII étendu" quand le codage se fait sur 8 bit et non 7 pour le ASCII classique.
La page de code 850 le gère.

Il y a des dizaines de tables de codages toutes plus incompatibles les unes les autres qui utilisent le 8ème bit... C'est déjà la guerre chez Microsoft entre DOS (IBM-PC8 dit 'OEM') et Windows (iso-je ne sais plus quoi dit 'ANSI')...

Je vais vous envoyer la parti de mon code qui lit les caractères !

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
// Declaration des variables
 
int ascii[255];
int i,j;
char c;
FILE *fch=NULL; // fichier source qui est un fichier texte
FILE *fch2=NULL; //fichier de destination
 
//ces deux fichiers sont respectivement ouvert et créé
 
//Affichege contenu du fichier & comptage caractère
 
do{
      fread (&c,sizeof(char),1,fch);
      if(feof(fch) != 1) {
           ascii[c] ++;
}
}
while(!feof(fch));
fclose(fch);
 
// Sauvegarde Tableau occurrence dans le fichier de destination
 
for(i=0;i<255;i++){
      j=ascii[i];
      fwrite(&j,sizeof(int),1,fch2);
}

Par rapport à ce qu'a dit l'un d'entre vous, je devrais peut-être écrire "sizeof(unsigned char)" à la place de "sizeof(char)" dans mon fread et dans mon fwrite ?

Merci d'avance

07/05/2006, 12h37
Emmanuel Delahaye
Pour lire des caractères :
- ouvrir en mode texte
- définir c en int
- lire avec une boucle
Code:

1 2 3 while ((c = fgetc(fp)) != EOF) { }
compter dans un tableau de unsigned long (on ne sait pas quelle est la longueur du texte...) Vérifier que les compteurs ne débordent pas. L'index étant compris entre 0 et 255, le tableau doit avoir 256 éléments...
07/05/2006, 12h48
Lord Van

En remplaçant les char par des unsigned char, ça m'a l'air de fonctionner correctement maintenant ! Pensez vous que je dois tt de même appliquer votre solution ?

merci
07/05/2006, 13h19
Emmanuel Delahaye

Citation:

Envoyé par Lord Van

En remplaçant les char par des unsigned char, ça m'a l'air de fonctionner correctement maintenant ! Pensez vous que je dois tt de même appliquer votre solution ?

Oui, ton code est erroné. Il ne détecte pas les erreurs de lectures (il part en boucle infinie...) De plus, le fread() est beaucoup trop compliqué pour lire 1 caractère. fgetc() est fait pour ça...