[数据结构]-Trie树

Trie树

Trie树又叫做前缀树、字典树。核心思想是以空间换时间，利用字符串的共同前缀(Common Prefix)作为存储依据。

Trie的字符串搜索时间复杂度为O(m)，m为最长的字符串的长度，其查询性能与集合中的字符串的数量无关。

性质

1. 根结点(Root)不包含字符，除根结点以外，每个节点都仅包含一个字符。
2. 从根结点到某一节点路径上所经过的字符节点连接起来，即为该节点所对应的字符串。
3. 任意节点的所有子节点所包含的字符都不相同。

下图的 Trie 树中包含了字符串集合 [“Joe”, “John”, “Johnny”, “Jane”, “Jack”]。

Trim查找过程

1. 每次从根结点开始搜索；
2. 获取关键词的第一个字符，根据该字符选择对应的子节点，转到该子节点继续检索；
3. 在相应的子节点上，获取关键词的第二个字符，进一步选择对应的子节点进行检索；
4. 以此类推，进行迭代；
5. 若在某个节点处，关键词的所有字母已被取出，则读取附在该节点上的信息，查找完成。

代码

class Trie {
    private Trie[] children;
    private boolean isEnd;

    // Trie树，每个节点包含以下字段：
    // 1. 指向子节点的指针数组children。(长度为26，代表26个小写字母)
    //       node.children[0]==null -> 子节点无字母a
    //       node.children[0]==new Trie()  -> 子节点有字母a
    // 2. boolean字段isEnd，表示该节点是否为字符串的结尾.
    public Trie() {
        children = new Trie[26];
        isEnd = false;
    }

    // 从字典树的根开始，插入字符串
    // 1.若子节点存在。沿着指针移动到子节点，继续处理下一个字符。
    // 2.若子节点不存在。创建一个新的子节点，记录在node.children数组的对应位置
    //  上，然后沿着指针移动到子节点，继续搜索下一个字符。
    // 重复上述步骤，直到处理字符串的最后一个字符，然后把当前节点标记为字符串的结尾。
    public void insert(String word) {
        Trie node = this;
        // 插入该单词的字符
        for(int i=0; i<word.length(); i++){
            char ch = word.charAt(i);
            int index = ch-'a';  // 0-a,1-b,...,25-z
            if(node.children[index]==null)
                node.children[index] = new Trie();
            node = node.children[index];
        }
        node.isEnd = true;
    }

    // 查找前缀
    // 从字典树的根开始查找前缀。对于当前字符对应的子节点，有两种情况：
    //   1.子节点存在。沿着指针移动到子节点，继续搜索下一个字符；
    //   2.子节点不存在。说明字典树中不包含该前缀，返回空指针.
    // 重复上述步骤，直到返回空指针或者搜索完前缀的最后一个字符。
    //
    // 若搜索到了前缀的末尾，就说明字典树中存在该前缀。
    //
    // 此外，若前缀末尾对应节点的isEnd为真，说明字典树中存在该字符串。
    private Trie searchPrefix(String prefix){
        Trie node = this;
        for(int i=0; i<prefix.length(); i++){
            char ch = prefix.charAt(i);
            int index = ch-'a';
            if(node.children[index]==null)
                return null;
            node = node.children[index];
        }
        return node;
    }

    public boolean search(String word) {
        Trie node = searchPrefix(word);
        return node!=null && node.isEnd;
    }

    public boolean startsWith(String prefix) {
        return searchPrefix(prefix) != null;
    }
}