社区首页 >专栏 >Trie树的基本原理与实现以及改进

Trie树的基本原理与实现以及改进

原创

大学里的混子

修改于 2019-02-21 09:08:37

1.5K00

代码可运行

文章被收录于专栏：LeetCodeLeetCode

运行总次数：0

代码可运行

Trie树的基本原理

本文介绍了关于Trie树的基本原理与实现，维基百科中的说明如下：trie，又称前缀树或字典树，是一种有序树，用于保存关联数组，其中的键通常是字符串。与二叉查找树不同，键不是直接保存在节点中，而是由节点在树中的位置决定。一个节点的所有子孙都有相同的前缀，也就是这个节点对应的字符串，而根节点对应空字符串。一般情况下，不是所有的节点都有对应的值，只有叶子节点和部分内部节点所对应的键才有相关的值。

（1）使用节点数组，因为是英文字符，可以用Node[26]来保存孩子节点(如果是数字我们可以用Node[10])，这种方式最快，但是并不是所有节点都会有很多孩子，所以这种方式浪费的空间太多（2）用一个链表根据需要动态添加节点。这样我们就可以省下不小的空间，但是缺点是搜索的时候需要遍历这个链表，增加了时间复杂度。

给出一组单词，inn, int, at, age, adv, ant, 我们可以得到下面的Trie：

所以，当前的字符串的长度越长，树的高度越高，存储一个字符串，要将前几个字符都要存储，这也是Trie树这种数据结构的一个弊端，太过于消耗资源。

Trie节点原型

这是一个多叉树，实际上与二叉树非常的类似，只不过把孩子节点作为一个数组的形式表示。

class TrieNode {
    TrieNode[] next = new TrieNode[26];
    String word;
}

Trie树的建立

在Trie树中，根节点是不存数据的。i是找到当前的字母是26个字母中的哪一个，p是从头结点一直移动到叶子节点，然后将word插入。

public TrieNode buildTrie(String[] words) {
    TrieNode root = new TrieNode();
    for (String w : words) {
        TrieNode p = root;
        for (char c : w.toCharArray()) {
            int i = c - 'a';
            if (p.next[i] == null)
                p.next[i] = new TrieNode();
            p = p.next[i];
        }
        p.word = w;
        System.out.println(w);
    }
    return root;
}

Trie树的遍历

这个是Trie树的层序遍历，同样是采用一个队列，方法与二叉树的层序遍历区别不大。

public void printTrie(TrieNode root){
    Queue<TrieNode> queue = new LinkedList<>();
    queue.add(root);
    while (!queue.isEmpty()){
        TrieNode temp = queue.remove();
        if (temp.word!=null)
            System.out.println(temp.word);
        for (TrieNode trieNode:temp.next){
            if (trieNode!=null){
                queue.add(trieNode);
            }
        }
    }
}

添加两个数据项：

以该节点为结尾的个数，可以达到查询是否存在某个字符串的功能
插入节点时，记录节点划过的次数，可以达到查询有多少个以某个字符串作为前缀的功能


public class Code_01_TrieTree {

	public static class TrieNode {
		public int path;
		public int end;
		public TrieNode[] nexts;

		public TrieNode() {
			path = 0;
			end = 0;
			nexts = new TrieNode[26];
		}
	}

	public static class Trie {
		private TrieNode root;

		public Trie() {
			root = new TrieNode();
		}

		public void insert(String word) {
			if (word == null) {
				return;
			}
			char[] chs = word.toCharArray();
			TrieNode node = root;
			int index = 0;
			for (int i = 0; i < chs.length; i++) {
				index = chs[i] - 'a';
				if (node.nexts[index] == null) {
					node.nexts[index] = new TrieNode();
				}
				node = node.nexts[index];
				node.path++;
			}
			node.end++;
		}

		public void delete(String word) {
			if (search(word) != 0) {
				char[] chs = word.toCharArray();
				TrieNode node = root;
				int index = 0;
				for (int i = 0; i < chs.length; i++) {
					index = chs[i] - 'a';
					if (--node.nexts[index].path == 0) {
						node.nexts[index] = null;
						return;
					}
					node = node.nexts[index];
				}
				node.end--;
			}
		}

		public int search(String word) {
			if (word == null) {
				return 0;
			}
			char[] chs = word.toCharArray();
			TrieNode node = root;
			int index = 0;
			for (int i = 0; i < chs.length; i++) {
				index = chs[i] - 'a';
				if (node.nexts[index] == null) {
					return 0;
				}
				node = node.nexts[index];
			}
			return node.end;
		}

		public int prefixNumber(String pre) {
			if (pre == null) {
				return 0;
			}
			char[] chs = pre.toCharArray();
			TrieNode node = root;
			int index = 0;
			for (int i = 0; i < chs.length; i++) {
				index = chs[i] - 'a';
				if (node.nexts[index] == null) {
					return 0;
				}
				node = node.nexts[index];
			}
			return node.path;
		}
	}

	 
	}

}