示例背景
假设我们有一组字符集C = {A, B, C, D, E}，它们各自在一段文本中出现的频率分别为{12, 9, 13, 6, 3}。我们的目标是使用这些频率来构建哈夫曼树，并基于该树生成每个字符的哈夫曼编码。
构建哈夫曼树
1、初始化：将每个字符看作一个单独的节点，其权重（频率）分别为12, 9, 13, 6, 3。
2、合并最小权重节点：
从集合中取出权重最小的两个节点，这里是6和3，将它们合并为一个新的节点，权重为9（6+3），并将这个新节点加入集合中，同时移除原来的两个节点。
更新后的集合为：{12, 9, 13, 9}。
3、重复合并：
再次取出权重最小的两个节点，这里是两个9，合并后权重为18，更新集合为{12, 13, 18}。 继续这个过程，直到集合中只剩下一个节点，即哈夫曼树的根节点。
构建过程的详细步骤如下：
{12, 9, 13, 6, 3} -> {12, 9, 13, 9} -> {12, 13, 18} -> {18, 25} -> {25}
生成哈夫曼编码
在哈夫曼树中，我们规定左子树分支编码为0，右子树分支编码为1。从根节点到每个叶子节点的路径上的编码序列即为该叶子节点（即字符）的哈夫曼编码。
- 对于字符A（权重12），其路径为根节点-右子节点-左子节点，编码为
10。 - 对于字符B（权重9，与另一个9合并后的节点相关），其路径可能略有不同，但编码最终为
110（假设它是第一个9的子节点）。 - 对于字符C（权重13），其路径为根节点-左子节点，编码为
0。 - 对于字符D（权重6），其路径为根节点-右子节点-右子节点-左子节点，编码为
1110。 - 对于字符E（权重3），其路径为根节点-右子节点-右子节点-右子节点，编码为
1111。
注意：由于构建哈夫曼树时合并的顺序可能影响中间节点的位置，因此B的编码（110）是假设性的，实际编码可能因构建过程的不同而有所变化。但重要的是，每个字符的编码都是唯一的，且没有一个是另一个的前缀。
结论
通过这个实例，我们可以看到哈夫曼编码是如何根据字符的频率来生成不等长编码的，从而实现了数据的有效压缩。在实际应用中，我们可以根据具体的字符频率数据来构建哈夫曼树，并生成相应的哈夫曼编码表。
