一、简介

Trie 树也称为字典树、单词查找树，最大的特点就是共享字符串的公共前缀来达到节省空间的目的。

例如，字符串 "abc" 和 "abd" 构成的 trie 树如下：

字典树的根节点不存任何数据，每整个分支代表一个完整的字符串。像 abc 和 abd 有公共前缀 ab，所以我们可以共享节点 ab。

如果再插入 abf，则变成这样：

如果我再插入 bc，则是这样(bc 和其他三个字符串没有公共前缀)

那如果再插入 "ab" 这个字符串呢？

每个分支的内部可能也含有完整的字符串，所以我们可以对于那些是某个字符串结尾的节点做一个标记，例如 abc，abd，abf 都包含了字符串 ab，所以我们可以在节点 b 这里做一个标记。如下(我用红色作为标记)：

二、应用

2.1 提前列出搜索信息

字典树最大的特点就是利用了字符串的公共前缀，像我们有时候在百度、谷歌输入某个关键字的时候，它会给我们列举出很多相关的信息。

2.2 敏感词过滤

例：一段字符串 “abcdefghi" ，以及三个敏感词 "de" ，"bca" ，"bcf" 。

先把三个敏感词建立一颗字典树，如下：

接着可以采用三个指针来遍历。

首先指针 p1 指向 root ，指针 p2 和 p3 指向字符串第一个字符。

然后从字符串的 a 开始，检测有没有以 a 作为前缀的敏感词，直接判断 p1 的孩子节点中是否有 a 这个节点就可以了，显然这里没有。

接着把指针 p2 和 p3 向右移动一格。

然后从字符串 b 开始查找，看看是否有以 b 作为前缀的字符串，p1 的孩子节点中有 b，这时，我们把 p1 指向节点 b ，p2 向右移动一格，不过，p3 不动。

判断 p1 的孩子节点中是否存在 p2 指向的字符 c ，显然有。我们把 p1 指向节点 c ，p2 向右移动一格，p3 不动。

判断 p1 的孩子节点中是否存在 p2 指向的字符 d ，这里没有。这意味着，不存在以字符 b 作为前缀的敏感词。这时我们把 p2 和 p3 都移向字符 c ，p1 还是还原到最开始指向 root 。

和前面的步骤一样，判断有没以 c 作为前缀的字符串，显然这里没有，所以把 p2 和 p3 移到字符 d 。

然后从字符串 d 开始查找，看看是否有以 d 作为前缀的字符串，p1 的孩子节点中有 d ，这时，我们把 p1 指向节点 b ，p2 向右移动一格，不过，p3 和刚才一样不动。

判断 p1 的孩子节点中是否存在 p2 指向的字符 e ，显然有。我们把 p1 指向节点 e ，并且，这里 e 是最后一个节点了，查找结束，所以存在敏感词 de ，即 p3 和 p2 这个区间指向的就是敏感词了，把 p2 和 p3 指向的区间那些字符替换成 * 。并且把 p2 和 p3 移向字符 f 。如下：

接着还是重复同样的步骤，直到 p3 指向最后一个字符。

复杂度分析

如果敏感词的长度为 m，则每个敏感词的查找时间复杂度是 O(m)，字符串的长度为 n，我们需要遍历 n 遍，所以敏感词查找这个过程的时间复杂度是 O(n * m)。如果有 t 个敏感词的话，构建字典树的时间复杂度是 O(t * m)。

这里我说明一下，在实际的应用中，构建字典树的时间复杂度我觉得可以忽略，因为字典树我们可以在一开始就构建了，以后可以无数次重复利用。

字典树可以采用 HashMap 来实现，因为一个节点的字节点个数未知，采用 HashMap 可以动态拓展，而且可以在 O(1) 复杂度内判断某个子节点是否存在。

三、敏感词过滤代码实现

3.1 字典树结点

public class TrieNode {    // 是否敏感词的结尾    private boolean isEnd = false;    // 下一层节点    Map<Character, TrieNode> subNodes = new HashMap<>();    /**     * 添加下一个敏感词节点     */    public void addSubNode(Character c, TrieNode node) {        subNodes.put(c, node);    }    /**     * 获取下一个敏感词节点     */    public TrieNode getSubNode(Character c) {        return subNodes.get(c);    }    /**     * 设置敏感词标识     */    public void setEnd(boolean end) {        this.isEnd = end;    }    /**     * 判断是否为敏感词的结尾     */    public boolean getIsEnd() {        return this.isEnd;    }}

3.2 构建字典树

public class TireTree {    // 敏感词替换字符    private static final String DEFAULT_REPLACEMENT = "*";    // 根节点    private final TrieNode rootNode;    public TireTree() {        rootNode = new TrieNode();    }    /**     * 识别特殊符号     */    private boolean isSymbol(Character c) {        int ic = (int) c;        // 0x2E80-0x9FFF 东亚文字范围        return !CharUtils.isAsciiAlphanumeric(c) && (ic < 0x2E80 || ic > 0x9FFF);    }    /**     * 将敏感词添加到字典树中     */    public void addWord(String text) {        if (text == null || text.trim().equals(""))            return;        TrieNode curNode = rootNode;        int length = text.length();        // 遍历每个字        for (int i = 0; i < length; ++i) {            Character c = text.charAt(i);            // 过滤特殊字符            if (isSymbol(c))                continue;            TrieNode nextNode = curNode.getSubNode(c);            // 第一次添加的节点            if (nextNode == null) {                nextNode = new TrieNode();                curNode.addSubNode(c, nextNode);            }            curNode = nextNode;            // 设置敏感词标识            if (i == length - 1)                curNode.setEnd(true);        }    }    /**     * 过滤敏感词     */    public String filter(String text) {        if (text == null || text.trim().equals(""))            return text;        StringBuilder result = new StringBuilder();        TrieNode curNode = rootNode;        int begin = 0; // 回滚位置        int position = 0; // 当前位置        while (position < text.length()) {            Character c = text.charAt(position);            // 过滤空格等            if (isSymbol(c)) {                if (curNode == rootNode) {                    result.append(c);                    ++begin;                }                ++position;                continue;            }            curNode = curNode.getSubNode(c);            // 当前位置的匹配结束            if (curNode == null) {                // 以begin开始的字符串不存在敏感词                result.append(text.charAt(begin));                // 跳到下一个字符开始测试                position = begin + 1;                begin = position;                // 回到树初始节点,重新匹配                curNode = rootNode;            } else if (curNode.getIsEnd()) {                // 发现敏感词，从begin到position的位置用replacement替换掉                result.append(DEFAULT_REPLACEMENT);                position = position + 1;                begin = position;                // 回到树初始节点，重新匹配                curNode = rootNode;            } else {                ++position;            }        }        result.append(text.substring(begin));        return result.toString();    }}

3.3 测试

class Test {    public static void main(String[] args) {        TireTree tree = new TireTree();        // 添加敏感词        tree.addWord("de");        tree.addWord("bca");        tree.addWord("bcf");        // 过滤敏感词        String res = tree.filter("abcdefghi");        System.out.println(res); // abc*fghi    }}