Trie树词频统计实例

Trie树简介

Trie树，也叫前缀字典树，是一种较常用的数据结构。常用于词频统计，
字符串的快速查找，最长前缀匹配等问题以及相关变种问题。

数据结构表现形式如下图所示：

Trie树的根为空节点，不存放数据。每个节点包含了一个指针数组，数组大小通常为26，即保存26个英文字母（如果要区分大小则数组大小为52，如果要包括数字，则要加上0-9，数组大小为62）。
可以想象它是一棵分支很庞大的树，会占用不少内存空间；不过它的树高不会唱过最长的字符串长度，所以查找十分快捷。典型的用空间换取时间。

全英圣经词频统计

全英圣经TXT文件大小有4m，若要对它进行词频统计等相关操作，可以有许多方法解决。
我觉得可以用如下方式：

1. pthon字典数据结构解决
2. 在linux下利用sed & awk 文本处理程序解决
3. C++ STL map解决
4. Trie树解决

前三种实现比较简单快捷，不过通过自己封装Trie树可以练习一下数据结构！感受一下数据结构带来的效率提升，何乐而不为。

下面则是我的具体实现，如有纰漏，敬请指正！

1）自定义头文件

WordHash用来记录不重复的单词及其出现次数
TrieTree类封装得不太好，偷懒把很多属性如行数，单词总数等都放在public域

#ifndef _WORD_COUNT_H
#define _WORD_COUNT_H

#include<stdio.h>
#include<string.h>
#include<string>
#include<fstream>
#include<sstream>
#include<vector>
#include<iterator>
#include<algorithm>
#include<iostream>

using std::string;
using std::vector;

typedef struct tag {
    char word[50];  //单个单nt show_times; //出现次数
    int show_times; //出现次数
}WordHash;

const int child_num = 26;

//字典树节点
typedef struct Trie {
    int count;
    struct Trie *next_char[child_num];
    bool is_word;

    //节点构造函数
    Trie(): is_word(