编码就是把一些信息比如文字文件、视频文件转成0101的一堆数字存储起来，这些数字就是编码，它们需要满足数字与字符的一一对应关系。当然还必须满足可以由这一堆数字转回到文件信息，这样的编码才是有意义的。
“我是小张”这句话的确被转成了编码，但是编码“011011”就一定是“我是小张”吗？
其实不难看出，“011011”当然也可以代表“我张我张”。原因很简单，在面对数字1时，我到底是把它当作“是”，还是跟后面的数字结合起来组成其他字符呢？其实0也会有这样的烦恼，只是我们现在编码很少。举个例子，如果“子”的编码是“100",那么我的句子中如果有“子”，其实我是组成“是我我”的。也就是再面对数字0，也会遇到同样的问题。
那么肯定就有聪明的宝子们想到了，让编码等长不就好了吗。
常用汉字是6500个，每个汉字给它一个编码，那么想要实现编码的转换就得13位二进制码，如果用等长编码，当这个汉字的编码只是“10”或“1”，前面就要补十几位的0，这么看来英语还挺好的，手动狗头一下，毕竟只有26个英文字母嘛，最多就是再加个空格符。但是其实也是需要五位二进制码去覆盖所有字母的，难免会有一些字母的编码小，需要补0，这样就浪费了内存空间。
有没有既能无歧义的转回文件，又能使内存消耗最少的方法呢？
聪明的哈夫曼就想到了！
这里建议看b站up幽蓝伊梦的哈夫曼树详解，这里就不再口述，视频会讲的比较清楚。
图片注明：图（1）与图（2）对比想说明在哈夫曼树时，新节点在左在右都无所谓（即B节点可以在3节点的左边也可以在3节点的右边，A节点同理）
图（3）与图（1）、（2）对比想说明树枝上哪边标1、哪边标0都不重要，这棵树甚至可以是第一层标左边1右边0，第二层标左边0右边1，第三层标左边1右边0的，（如果图1的树按上述说法标注1、0，则编码结果是与图2相同的，感兴趣的同学不妨自己动手一试）
图(4)与图（1）、（2）、（3）对比是想说明对于B、C字符，它们出现的次数是相同的，所以先放谁其实都是无所谓的，对最终的编码长度也并不会造成影响
哈夫曼树是灵活的，哈夫曼树的不同会导致编码结果的不同，但都是对的，都解决了之前提到的编码问题
最终的编码结果的二进制数个数是相同的(长度相同)
在哈夫曼编码中，我们不会再遇到见到1个“0”不知道是看作单独的0还是与后边的数结合的问题了。“1”也一样。
我们不妨再用树的形式来看一下之前遇到的问题
显然它与哈夫曼树的区别就是B这个节点处的处理，对于上图，当遇到数字“1”时，我就无法确定它是B还是到达D是路上所经过的1
而对于哈夫曼树，我在同一个位置处把它处理成了非字符节点，确保了第一个分支上的1只能作为通往字符节点的路，从哈夫曼树的结构上，我们也看到了，其实除了最后一层以外，其他的每层只有一个字符节点，也就保证了要么你到达该层的字符节点，要么你就只是作为一个站点路过。
对于内存的优化，哈夫曼编码前需要先计算每个字符出现的次数，从出现次数最少的字符开始从下往上建树，这就保证了出现次数越多的字符，它的所处层级越高，距离根节点也就越近，路径越短，编码越短，这样短的编码赋给出现次数多的字符，长的编码赋给出现次数少的字符，自然总的编码长度就短，所占内存也就少。
我们都知道计算机是利用ASCII码表实现将字符转成0101的二进制数的，而哈夫曼编码则是针对一份具体的文件，生成它自己的一份字符与二进制数相对应的码表，这个码表是针对这一个文件生成的，因此满足上述的内存优化，相比计算机自带的ASCII码表来说，所占内存固然更小，也就实现了文件的压缩。
