力扣第208题“实现 Trie (前缀树)”

最新推荐文章于 2024-10-14 18:52:56 发布

数据分析螺丝钉

最新推荐文章于 2024-10-14 18:52:56 发布

阅读量872

点赞数 19

文章标签： leetcode 面试算法 python

本文链接：https://blog.csdn.net/CCIEHL/article/details/140457742

版权

关注微信公众号数据分析螺丝钉免费领取价值万元的python/java/商业分析/数据结构与算法学习资料

在本篇文章中，我们将详细解读力扣第208题“实现 Trie (前缀树)”。通过学习本篇文章，读者将掌握如何使用 Trie 数据结构来实现插入、搜索和前缀匹配功能，并了解相关的复杂度分析和模拟面试问答。每种方法都将配以详细的解释，以便于理解。

问题描述

力扣第208题“实现 Trie (前缀树)”描述如下：

实现一个 Trie (前缀树)，包含 insert, search, 和 startsWith 这三个操作。

示例:

Trie trie = new Trie();
trie.insert("apple");
trie.search("apple");   // 返回 true
trie.search("app");     // 返回 false
trie.startsWith("app"); // 返回 true
trie.insert("app");
trie.search("app");     // 返回 true

解题思路

方法：Trie 数据结构

初步分析：
- Trie 树是一种专门处理字符串前缀匹配的数据结构，适用于高效地插入、搜索和前缀匹配操作。
步骤：
- 创建一个 Trie 类和一个 TrieNode 类。
- TrieNode 类用于表示 Trie 树的节点，每个节点包含一个字典，用于存储子节点和一个布尔变量，表示是否是一个完整的单词。
- Trie 类包含插入、搜索和前缀匹配的方法。

代码实现

class TrieNode:
    def __init__(self):
        self.children = {}
        self.is_end_of_word = False

class Trie:
    def __init__(self):
        self.root = TrieNode()

    def insert(self, word):
        node = self.root
        for char in word:
            if char not in node.children:
                node.children[char] = TrieNode()
            node = node.children[char]
        node.is_end_of_word = True

    def search(self, word):
        node = self.root
        for char in word:
            if char not in node.children:
                return False
            node = node.children[char]
        return node.is_end_of_word

    def startsWith(self, prefix):
        node = self.root
        for char in prefix:
            if char not in node.children:
                return False
            node = node.children[char]
        return True

# 测试案例
trie = Trie()
trie.insert("apple")
print(trie.search("apple"))   # 输出: True
print(trie.search("app"))     # 输出: False
print(trie.startsWith("app")) # 输出: True
trie.insert("app")
print(trie.search("app"))     # 输出: True

复杂度分析

时间复杂度：
- 插入操作：O(m)，其中 m 是插入单词的长度。
- 搜索操作：O(m)，其中 m 是搜索单词的长度。
- 前缀匹配操作：O(m)，其中 m 是前缀的长度。
空间复杂度：O(n * m)，其中 n 是插入单词的数量，m 是单词的平均长度。需要存储 Trie 树的节点。