Android 淘气三千传之——Android搜索中前缀匹配的一点理解

最新推荐文章于 2021-05-25 17:18:13 发布

七叶林

最新推荐文章于 2021-05-25 17:18:13 发布

阅读量2.2k

点赞数 2

分类专栏： android 算法、数据结构 Android淘气三千传文章标签： android

本文链接：https://blog.csdn.net/Handsonn/article/details/78997512

版权

本文探讨了Android搜索中前缀匹配的优化方法，包括Trie树、哈希树、索引和三叉树。文章详细介绍了各种数据结构的特性、优势和应用场景，如Trie树的时间复杂度为O(strLen)，适合字符串搜索，而哈希表在理想情况下能达到O(1)的时间复杂度。B树则适用于磁盘存储，利用局部性原理提高I/O效率。此外，文章还讨论了哈希索引和B树索引的选择，并提到在实际应用中需要根据特定场景选择合适的数据结构。

摘要由CSDN通过智能技术生成

咳咳，当我们在浏览器、在手机的电话联系人界面等等地方，输入一段字符串之后，就可以匹配出相应前缀的结果出来（如使用 AutoCompleteTextView 输入字段就会有相应的结果匹配），在存储本地数据的时候，由于数据后期可能会变多，所以需要进行缓存或者添加数据库索引，（量级肯定不能和服务端相比），由于是需要通过前缀关键字来搜索得到结果，所以具有一定的特殊性，所以对缓存和索引的知识点简单地梳理了一下。

2、相关知识点

我们的目的都是为了提高数据检索效率，既然是前缀，符合这个特征的，映入脑海的首先是 Trie 了，同时，我们需要考虑的还有空间、时间，涉及到的一共有以下知识点：

Trie
Hash Tree
索引
三叉树（Ternary Search Trie）
番外：fm-index

3、内容

1） Trie （前缀树、字典树）

这里写图片描述

注：图片来自 http://www.sciencedirect.com/science/article/pii/S1570866703000662

Trie 作为比较常见的数据结构，包含了以下特点：

根为空，不包含字符
从根到某一个节点连接起来是一个字符串
插入时间为 O（n） n 是字符串长度

我们可以尝试写一个简单的Trie，构造的 Trie 如下：

public class TrieNode {

    public int path; // 多少个字符串有经过这个节点
    public int end;  // 多少个字符串以这个节点结束
    public TrieNode[] map;

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

public class Trie {

    private TrieNode root;
    private List<String> result;
    private StringBuilder stringBuilder = new StringBuilder();

    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.map[index] == null) {
                node.map[index] = new TrieNode();
            }
            node = node.map[index];
            node.path++;
        }
        node.end++;
    }

    public List<String> searchStr(String word) {
        if (word == null) {
            return null;
        }
        char[] chs = word.toCharArray();
        TrieNode node = root;
        int index = 0;
        for (int i = 0; i < chs.length; i++) {
            index = chs[i] - 'a';
            stringBuilder.append(chs[i]);
            if (node.map[index] == null)
                return null;
            node = node.map[index];
        }
        if (node.path != 0) {
            result = new ArrayList<>();
            if (node.end != 0)
                result.add(stringBuilder.toString());
            getStr(node);
            return result;
        } else {
            return null;
        }
    }

    //通过 DFS 对树进行搜索
    private void