Trie 简介

Trie 也叫做 字典树、前缀树（Prefix Tree）、单词查找树
Trie 搜索字符串的效率主要跟字符串的长度有关

优点：搜索前缀的效率主要跟前缀的长度有关
缺点：需要耗费大量的内存，因此还有待改进

更多Trie 相关的数据结构和算法：

Double-array Trie、Suffix Tree、Patricia Tree、Crit-bit Tree、AC自动机

例：使用 Trie 存储 cat、dog、doggy、does、cast、add 六个单词

Trie 实现

接口设计

public interface Trie <V> {int size(); boolean isEmpty(); void clear(); boolean contains(String str); V add(String str,V value); V remove(String str); boolean starswith(String prefix);
}

源码

/*** @author yusael* Trie 字典树*/
public class Trie <V> {private int size;private Node<V> root;private static class Node<V>{Node<V> parent;HashMap<Character, Node<V>> children;Character character; // 为删除做准备V value;boolean word; // 是否为单词的结尾(是否为一个完整的单词)public Node(Node<V> parent) {this.parent = parent;}}public int size(){return size;}public boolean isEmpty(){return size == 0;}public void clear(){size = 0;root = null;}public V get(String key){Node<V> node = node(key);return (node!=null && node.word) ? node.value : null;}public boolean contains(String key){Node<V> node = node(key);return node!=null && node.word;}public V add(String key, V value){keyCheck(key);// 创建根节点if(root == null){root = new Node<>(null);}Node<V> node = root;int len = key.length();for(int i = 0; i < len; i++){char c = key.charAt(i);boolean emptyChildren = (node.children==null);Node<V> childNode = emptyChildren ? null : node.children.get(c);if(childNode == null){childNode = new Node<>(node);childNode.character = c;node.children = emptyChildren ? new HashMap<>() : node.children;node.children.put(c, childNode);}node = childNode;}if(node.word){ // 已经存在这个单词V oldValue = node.value;node.value = value;return oldValue;}// 新增一个单词node.word = true;node.value = value;size++;return null;}public V remove(String key){// 找到最后一个节点Node<V> node = node(key);// 如果不是单词结尾，不用作任何处理if(node==null || !node.word) return null;size--;V oldValue = node.value;// 如果还有子节点if(node.children!=null && !node.children.isEmpty()){node.word = false;node.value = null;return oldValue; }// 没有子节点Node<V> parent = null;while((parent = node.parent) != null){parent.children.remove(node.character);if(parent.word || !parent.children.isEmpty()) break;node = parent;}return oldValue;}public boolean startsWith(String prefix){return node(prefix) != null;}/*** 根据传入字符串，找到最后一个节点* 例如输入 dog* 找到 g*/private Node<V> node(String key){keyCheck(key);Node<V> node = root;int len = key.length();for(int i = 0; i < len; i++){if(node==null || node.children==null || node.children.isEmpty()) return null;char c = key.charAt(i);node = node.children.get(c);}return node;}private void keyCheck(String key){if(key==null || key.length()==0){throw new IllegalArgumentException("key must not be empty");}}}

测试

public class Main {public static void main(String[] args) {Trie<Integer> trie = new Trie<>();trie.add("cat", 1);trie.add("dog", 2);trie.add("catalog", 3);trie.add("cast", 4);trie.add("小码哥", 5);System.out.println(trie.size() == 5);System.out.println(trie.startsWith("do"));System.out.println(trie.startsWith("c"));System.out.println(trie.startsWith("ca"));System.out.println(trie.startsWith("cat"));System.out.println(trie.startsWith("cata"));System.out.println(!trie.startsWith("hehe"));System.out.println(trie.get("小码哥") == 5);System.out.println(trie.remove("cat") == 1);System.out.println(trie.remove("catalog") == 3);System.out.println(trie.remove("cast") == 4);System.out.println(trie.size() == 2);System.out.println(trie.startsWith("小"));System.out.println(trie.startsWith("do"));System.out.println(!trie.startsWith("c"));}
}

《恋上数据结构第1季》字典树 Trie相关推荐

《恋上数据结构第1季》二叉搜索树BST
二叉搜索树(BinarySearchTree) BST 接口设计 BST 基础添加元素: add() 删除元素: remove() 删除节点 – 叶子节点删除节点 – 度为1的节点删除节点 – ...
《恋上数据结构第1季》动态数组实现栈
栈(Stack) 栈的应用 – 浏览器的前进和后退栈的接口设计动态数组实现栈练习题逆波兰表达式求值有效的括号数据结构与算法笔记目录:<恋上数据结构> 笔记目录想加深 Java ...
《恋上数据结构第1季》B树
B树 m阶B树的性质 B树 vs 二叉搜索树搜索添加 – 上溢添加 – 上溢的解决(假设5阶) 删除删除 – 叶子节点删除 – 非叶子节点删除 – 下溢删除 – 下溢的解决 4阶B树数 ...
《恋上数据结构第1季》平衡二叉搜索树、AVL树
AVL树二叉搜索树缺点分析改进二叉搜索树平衡(Balance) 理想平衡如何改进二叉搜索树? 平衡二叉搜索树(Balanced Binary Search Tree) AVL树 BST 对比 ...
《恋上数据结构第1季》映射 TreeMap，HashMap，LinkedHashMap
映射 Map Map的接口定义 Map.java 红黑树 RBTree 实现 TreeMap TreeMap 分析哈希表实现 HashMap HashMap 升级为 LinkedHashMap 数据 ...
《恋上数据结构第1季》二叉树代码实现
二叉树(BinaryTree) BinaryTree 基础遍历(先序.中序.后序.层次遍历) 先序遍历: preorder() 中序遍历: inorder() 后序遍历: postorder() 层 ...
《恋上数据结构第1季》二叉树基础、真二叉树、满二叉树、完全二叉树、二叉树的遍历（重点）
二叉树(Binary Tree) 树(Tree)的基本概念有序树.无序树.森林二叉树(Binary Tree) 二叉树的性质真二叉树(Proper Binary Tree) 满二叉树(Full ...
《恋上数据结构第1季》二叉堆原理及实现、最小堆解决 TOP K 问题
二叉堆 BinaryHeap 堆(Heap) 堆的出现堆简介二叉堆(Binary Heap) 获取最大值最大堆 - 添加最大堆 - 添加优化最大堆 - 删除 replace 最大堆 - 批量 ...
《恋上数据结构第1季》集合 ListSet、TreeSet、HashSet
集合(Set) 集合的接口定义双向链表 LinkedList 实现 ListSet 红黑树 RBTree 实现 TreeSet TreeMap 实现 TreeSet HashMap 实现 HashS ...

《恋上数据结构第1季》字典树 Trie

字典树Trie

Trie 简介

Trie 实现

接口设计

源码

测试

《恋上数据结构第1季》字典树 Trie相关推荐

最新文章

热门文章