构建Tire树--字典树、前缀树

学习总结-来自《数据结构与算法》

一、Trie树的概念

结构：树形结构
特点：利用字符串之间公共的前缀，将重复的前缀合并在一起
作用：可以高效的匹配。用来解决在一组字符串集合中快速查找某个字符串的问题。（搜索引擎中的关键词提示）。比较适用于有共用前缀的情况

二、构建Trie树

• 问题一；如何存储一个节点对应的所有子节点
  解决:假设存储范围为a-z。那么可以用一个26个大小的数据来存储。索引为0的位置表示子节点是a。索引为1的位置表示子节点为b。
  （如果）
  因此。一个TrieNode的结构如下

class TrieNode{
	char data;
	TrieNode[] children= new TrieNode[26];//存储子节点
	boolean isEndingChar = false;//标志是不是最后一个节点
	public TrieNode(char c) {
		this.data =c;
	}
}

（如果存储的不止26个字母
childen可以改为 Map(Integer,TrieNode)的形式。）

---

• 构建（插入字符串）
  粗略示意图
  

public void insert(String  s) {
		TrieNode p =root;
		for(int i=0;i<s.length();i++) {
			int index = s.charAt(i)-'a';//获取该字符应存储的索引位置
			if(p.children[index]==null) { //如果空的，则新建插入
				p.children[index] = new TrieNode(s.charAt(i));
			}
			p = p.children[index];//指向下一个节点
		}
		p.isEndingChar =true;//标注是最后一个尾巴节点（在匹配搜索字符串的时候需要用到这个变量）
		
	}

• 完全匹配搜索（搜索字符串）

public boolean search(String  s) {
		TrieNode p =root;
		for(int i=0;i<s.length();i++) {
			int index = s.charAt(i)-'a';//获取该字符应存储的索引位置
			if(p.children[index]==null) {//说明不存在
				return false;
			}
			p = p.children[index];//指向下一个节点
		}
		if(p.isEndingChar ==false) return false;//说明不是完全匹配，只是匹配了前缀
		else return true;
	}

前缀匹配搜索（搜索满足前缀的字符串）

public boolean matchPrefix(String  prefix) {
		TrieNode p =root;
		for(int i=0;i<prefix.length();i++) {
			int index = prefix.charAt(i)-'a';//获取该字符应存储的索引位置
			if(p.children[index]==null) {//说明不存在
				return false;
			}
			p = p.children[index];//指向下一个节点
		}
		return true;//如果顺利跳出循环，说明都匹配到了、直接return true
	}