【数据结构】前缀树（字典树） Trie

前缀树 Trie（用于前缀匹配任务）

前缀树主要用于前缀匹配任务，比如输入go会得到goog，googl，google这样的单词。前缀树的题目模板度极高！

做前缀树的题目时，一定要动手画下面这个图，这样思绪才清楚！！！前缀树类似于树，比如我们现在有一堆单词，我们会把所有的单词按照一定的方法都存到树里去，对于Trie来说，我们一般会有一个root节点，但root节点里面我们不会存东西。就为了让它有孩子节点，然后把对应的值存上去。如把goog存进去，就在root节点下新建一个孩子节点把g存进去，以此类推。因为goog是一个单独的单词，所以会在最后一个字母g那里加一个结束符代表goog是一个完整的单词，同时也会在结束符这个地方用一个变量存下这个单词的值即goog这个单词。这样的话利用Trie这个数据结构，如果要搜索某个单词的前缀是否存在时，就非常地方便。下图中的前缀Prefix表示前缀是否存在。

前缀树里的关键点（主要看图）：

root节点就是一个什么都没有的Trie()即空哈希表。对于孩子节点，我们一般会用哈希表来存孩子节点，key代表每一个字符即下图的character，value代表每一个孩子节点即一个新的Trie。有时候我们也会用一个数组代替哈希表去做，这个具体取决于题目要求。然后还有个结束标志符号表示是不是一个该有的单词，还有就是对应的值应该是多少，存值是为了返回单词的时候方便。具体见下图

class Trie:

    def __init__(self):
        """
        Initialize your data structure here.
        """
        self.lookup = {}
        


    def insert(self, word: str) -> None:
        """
        Inserts a word into the trie.
        """
        tree = self.lookup
        for a in word:
            #判断是否有a这个key
            if a not in tree:
                #这个哈希表中的key是字符, value表示孩子节点(新的一个哈希表)
                tree[a] = {}
            #覆盖之前的tree为孩子节点, self.lookup就是最终的整个大字典(即存放着所有节点)
            tree = tree[a]
            #结束标志符Flag
        tree["#"] = "#"


    def search(self, word: str) -> bool:
        """
        Returns if the word is in the trie.
        """
        tree = self.lookup
        for a in word:
            if a not in tree:
                return False
            tree = tree[a]
        if "#" in tree:
            return True
        return False


    def startsWith(self, prefix: str) -> bool:
        """
        Returns if there is any word in the trie that starts with the given prefix.
        """
        tree = self.lookup
        for a in prefix:
            if a not in tree:
                return False
            tree = tree[a]
        return True


# Your Trie object will be instantiated and called as such:
# obj = Trie()
# obj.insert(word)
# param_2 = obj.search(word)
# param_3 = obj.startsWith(prefix)