哈夫曼编码本身不直接压缩文件，仅生成最优前缀码；真正压缩需字节流重组，用priority_queue构建树时需小顶堆，递归生成编码须引用传递code并手动回溯，位流压缩需逐位写入字节数组并记录补零数。
哈夫曼编码本身不直接“压缩文件”，它只是生成最优前缀码；真正压缩需要结合字节流重组（比如把 0/1 拼成 bit-level 数据），否则用 std::String 存二进制码反而会膨胀数倍。
如何用 priority_queue 构建哈夫曼树
核心是自定义比较：让频率小的节点优先级高（小顶堆）。注意不能只重载 operator，而要传入仿函数或 lambda，因为 <code>priority_queue 默认是大顶堆。
- 定义节点结构体，含
freq、left、right、ch（叶子节点才有效） - 构造
priority_queue<node vector>, decltype(cmp)></node>，其中cmp是[&](Node* a, Node* b) { return a->freq > b->freq; } - 每次取两个最小频次节点合并，新节点频次为二者和，左右子树分别挂上这两个节点
- 最后队列只剩一个根节点 —— 这就是哈夫曼树根
为什么递归遍历生成编码时必须用引用传递 code 字符串
如果用值传递，每层递归都会拷贝当前路径字符串，深度为 h 的树总开销达 O(h²)；更严重的是，回溯时无法自动“弹出”最后一位，导致编码错乱。
- 正确做法：参数声明为
string& code - 进入左子树前 push_back(‘0’)，返回前 pop_back()
- 进入右子树前 push_back(‘1’)，返回前 pop_back()
- 遇到叶子节点（
node->left == nullptr && node->right == nullptr）时，保存code到map<char string></char>
如何把字符序列转成紧凑的 bit stream（避免空间爆炸）
直接存每个字符的 string 编码（如 "10110"）会导致：原 1 字节变成 5 字节以上。必须按位写入字节数组。
立即学习“C++免费学习笔记（深入）”；
- 用
vector<uint8_t></uint8_t>存压缩后数据，维护当前字节current_byte和已写位数bits_in_byte - 对每个编码字符串，逐字符读 ‘0’/’1’：设 bit = (c == ‘1’)，然后
current_byte |= (bit - 每写满 8 位就 push_back(
current_byte)，并重置current_byte = 0、bits_in_byte = 0 - 编码结束时若
bits_in_byte > 0，需 push 剩余字节，并在解码端记录实际末尾位数（通常额外存 1 字节表示补零数）
最易被忽略的是：哈夫曼编码无唯一解 —— 同频节点合并顺序不同会导致树结构不同，但只要保证前缀性质，压缩率理论一致；实际中建议固定左子树频次 ≤ 右子树，便于调试比对。