数据结构（7.5）-- 树扩展之字典树

已于 2023-12-15 17:13:27 修改
阅读量1.1k 收藏 18
点赞数 14
分类专栏： 数据结构 c++ 文章标签： 算法 数据结构
于 2023-12-15 16:58:37 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/bb8886/article/details/135011825
版权
本文介绍了字典树的概念、性质、实现，包括创建、插入操作以及解决查找单词、计算单词总数、排序等问题。
摘要由CSDN通过智能技术生成

一、字典树

1、字典树介绍

字典树，也称为“前缀树”，是一种特殊的树状数据结构，对于解决字符串相关问题非常有效。典型

用于统计、排序、和保存大量字符串。所以经常被搜索引擎系统用于文本词频统计。它的优点是：

利用字符串的公共前缀来减少查询时间，最大限度地减少无谓的字符串比较，查询效率比哈希树

高。

2、字典树的性质

（1）根节点不包含字符，除了根节点每个节点都只包含一个字符。root节点不含字符这样做的目的是为了能够包括所有字符串。

（2）从根节点到某一个节点，路过字符串起来就是该节点对应的字符串。

（3）每个节点的子节点字符不同，也就是找到对应单词、字符是唯一的。

3、字典树的实现

(1)定义多叉树--孩子表示法

struct TreeNode {
    ELEMENT_TYPE value;    //结点值
    TreeNode* children[NUM];    //孩子结点
};

(2) 定义字典树

int size = 26;
struct TrieNode {
    bool isEndOfWord; //记录该结点是否是一个串的结束
    TrieNode* children[SIZE]; //字母映射表
};

二、面试中关于字典树的常见问题

1、计算字典树中的总单词数

题目：创建一颗字典树，并且计算该字典树中的总单词数。如下字典树，[“bag”， “ban”， “bat”， “big”，“bil”，“bit”]，单词数为6。

思路：

首先要创建一颗字典树，在每个节点上，设置一个标记来表示该节点是否是一个单词的结束。

再向字典树中插入单词，从根节点开始，递归地遍历字典树的所有子节点。

最后计算单词数：对于每个子节点，如果其标记为结束，则将计数器加1。最终，计数器的值就是字典树中的总单词数。

#include<iostream>
using namespace std;

const int ALPHABET_SIZE = 26;
// TrieNode表示字典树中的节点
struct TrieNode
{
    bool isEndOfWord; //用于标记该节点是否是一个单词的结束
    TrieNode* children[ALPHABET_SIZE]; //包含26个子节点的数组
    // 构造函数
    TrieNode():isEndOfWord(false){
        for(int i = 0; i < ALPHABET_SIZE; i++){
            children[i] = nullptr;
        }
    }
};

class Trie{
    private:
        TrieNode* root;
    public:
        Trie(){
            root = new TrieNode();
        }
        // 向字典树中插入单词
        void insert(string word){
            TrieNode* current = root;
            // 遍历字符串中的字符
            for(char ch: word){
                int index = ch - 'a';
                if(current->children[index] == nullptr)
                    current->children[index] = new TrieNode();
                current = current->children[index];
            }
            // 遍历结束，标记该节点单词结束
            current->isEndOfWord = true;
        }
        // 计算字典树中的总单词数
        int countWords(){
            int count = 0;
            countWordsDFS(root, count);
            return count;
        }

    private:
        // 深度优先搜索（DFS）递归地遍历字典树的所有节点，并在遇到结束节点时将计数器加1。
        void countWordsDFS(TrieNode* node, int& count){
            if(node == NULL)
                return;
            if(node->isEndOfWord) 
                count += 1;
            for(int i = 0; i < ALPHABET_SIZE; i++){
                if(node->children[i] != NULL)
                    countWordsDFS(node->children[i], count);
            }
        }

};


int main(){
   Trie trie;
   trie.insert("bag");
   trie.insert("ban");
   trie.insert("bat");
   trie.insert("big");
   trie.insert("bil");
   trie.insert("bit");
   
   int count = trie.countWords();
   cout << "字典树中的总单词数：" << count << endl;
}

2、查找字典树中某个单词是否存在 

题目：输入ban，返回true；输入bad，返回False。

思路：和插入操作类似。

从字典树的根节点依次遍历单词中的字符，如果当前节点的子节点中，不存在键为 ch 的节点，则说明不存在该单词，直接返回 False。如果当前节点的子节点中，存在键为 ch 的节点，则令当前节点指向新建立的节点，然后继续查找下一个字符。在单词处理完成时，判断当前节点是否有单词结束标记，如果有，则说明字典树中存在该单词，返回 True。否则，则说明字典树中不存在该单词，返回 False。

#include<iostream>
using namespace std;

const int ALPHABET_SIZE = 26;
// TrieNode表示字典树中的节点
struct TrieNode
{
    bool isEndOfWord; //用于标记该节点是否是一个单词的结束
    TrieNode* children[ALPHABET_SIZE]; //包含26个子节点的数组
    // 构造函数
    TrieNode():isEndOfWord(false){
        for(int i = 0; i < ALPHABET_SIZE; i++){
            children[i] = nullptr;
        }
    }
};

class Trie{
    private:
        TrieNode* root;
    public:
        Trie(){
            root = new TrieNode();
        }
        // 向字典树中插入单词
        void insert(string word){
            TrieNode* current = root;
            // 遍历字符串中的字符
            for(char ch: word){
                int index = ch - 'a';
                if(current->children[index] == nullptr)
                    current->children[index] = new TrieNode();
                current = current->children[index];
            }
            // 遍历结束，标记该节点单词结束
            current->isEndOfWord = true;
        }
        // 查找字典树中某个单词是否存在
        bool searchWord(string word){
            TrieNode* current = root;
            for(char ch: word){
                int index = ch - 'a';
                if(current->children[index] == NULL)
                    return false; //如果当前节点的子节点中，不存在键为 ch 的节点,直接返回false
                current = current->children[index];
            }
            // 判断当前节点是否为空，并且是否有单词结束标记
            return (current->isEndOfWord & current != NULL);
        }

};


int main(){

    Trie trie;
    trie.insert("bag");
    trie.insert("ban");
    trie.insert("bat");
    trie.insert("big");
    trie.insert("bil");
    trie.insert("bit");
   string word = "bad";
    bool b = trie.searchWord(word);
    if(b)
        cout << "该字典树存在" << word;
    else
        cout << "该字典树不存在" << word;

}

3、查找字典树中某个前缀是否存在

在字典树中查找某个前缀是否存在，和字典树的查找单词操作一样，不同点在于最后不需要判断是否有单词结束标记。

// 查找字典树中某个前缀是否存在
        bool searchWord(string word){
            TrieNode* current = root;
            for(char ch: word){
                int index = ch - 'a';
                if(current->children[index] == NULL)
                    return false; //如果当前节点的子节点中，不存在键为 ch 的节点,直接返回false
                current = current->children[index];
            }
            // 判断当前节点是否为空
            return current;
        }

4、打印存储在字典树中的所有单词

题目：如下字典树，打印[ bag，ban，bat，big，bil，bit ]。

思路：在哈希遍历树的完整路径中，我们使用先序遍历逐步构建叶子节点的路径。本题类似，使用

深度遍历递归地遍历字典树的所有子节点，并存储每个叶子节点的字符串。遇到叶子节点（即

isEndOfWord=true），则打印存储在容器里的字符串（字符串组合起来就是一个完整单词）。

#include<iostream>
using namespace std;

const int ALPHABET_SIZE = 26;
// TrieNode表示字典树中的节点
struct TrieNode
{
    bool isEndOfWord; //用于标记该节点是否是一个单词的结束
    TrieNode* children[ALPHABET_SIZE]; //包含26个子节点的数组
    // 构造函数
    TrieNode():isEndOfWord(false){
        for(int i = 0; i < ALPHABET_SIZE; i++){
            children[i] = nullptr;
        }
    }
};

class Trie{
    private:
        TrieNode* root;
    public:
        Trie(){
            root = new TrieNode();
        }
        // 向字典树中插入单词
        void insert(string word){
            TrieNode* current = root;
            // 遍历字符串中的字符
            for(char ch: word){
                int index = ch - 'a';
                if(current->children[index] == nullptr)
                    current->children[index] = new TrieNode();
                current = current->children[index];
            }
            // 遍历结束，标记该节点单词结束
            current->isEndOfWord = true;
        }
        void printWord(){
            string arr;
            print(root, arr);
        }
    private: 
        void print(TrieNode* node, string& arr){
            
            if(node->isEndOfWord){
                for(auto a: arr)
                    cout << a;
                cout << "," ;
                }
              
            for(int i = 0; i < ALPHABET_SIZE; i++){
                if(node->children[i] != NULL){
                    char ch = i + 'a';
                    arr.push_back(ch);
                    print(node->children[i], arr);
                }
            }
            arr.pop_back();
        }
};


int main(){
   Trie trie;
   trie.insert("bag");
   trie.insert("ban");
   trie.insert("bat");
   trie.insert("big");
   trie.insert("bil");
   trie.insert("bit");
   
   trie.printWord();
}

 

5、使用字典树对数组的元素进行排序

题目：

input：arr = ['apple', 'banana', 'application']

output：arr = ['apple', 'application', 'banana']

思路：同第二题，因为字典树节点的顺序已经确定，所以，遍历出来的单词即是排序后的单词组。

#include<iostream>
#include<vector>
using namespace std;

const int ALPHABET_SIZE = 26;
// TrieNode表示字典树中的节点
struct TrieNode
{
    bool isEndOfWord; //用于标记该节点是否是一个单词的结束
    TrieNode* children[ALPHABET_SIZE]; //包含26个子节点的数组
    // 构造函数
    TrieNode():isEndOfWord(false){
        for(int i = 0; i < ALPHABET_SIZE; i++){
            children[i] = nullptr;
        }
    }
};

class Trie{
    private:
        TrieNode* root;
    public:
        Trie(){
            root = new TrieNode();
        }
        // 向字典树中插入单词
        void insert(string word){
            TrieNode* current = root;
            // 遍历字符串中的字符
            for(char ch: word){
                int index = ch - 'a';
                if(current->children[index] == nullptr)
                    current->children[index] = new TrieNode();
                current = current->children[index];
            }
            // 遍历结束，标记该节点单词结束
            current->isEndOfWord = true;
        }
        vector<string> Order(){
            string arr;
            vector<string> s;
            traverse(root, arr, s);
            return s;
        }
    private: 
    // arr:连接字符串组成的单词，res：排序后的数组
        void traverse(TrieNode* node, string& arr, vector<string>& res){
            
            if(node->isEndOfWord){
                res.push_back(arr);
                }
              
            for(int i = 0; i < ALPHABET_SIZE; i++){
                if(node->children[i] != NULL){
                    char ch = i + 'a';
                    arr.push_back(ch);
                    traverse(node->children[i], arr, res);
                }
            }
            arr.pop_back();
        }
};


int main(){
   Trie trie;
   vector<string> arr = { "apple", "banana", "application" };
    for (const string& word : arr)
        trie.insert(word);
   
   vector<string> sortedArr = trie.Order();
   std::cout << "排序后的数组元素：" << std::endl;
    for (const std::string& word : sortedArr)
        std::cout << word << std::endl;
}

bb8886
关注
专栏目录
机器学习——决策树
Dujing2019的博客
08-01 943
机器学习——决策树（一）决策树的构造3.1 信息增益1.2 划分数据集1.3 递归构建决策树（二）在 Python 中使用 Matplotlib 注解绘制树形图2.1 Matplotlib 注解2.2构造注解树（三）测试和存储分类器3.1 测试算法：使用决策树执行分类3.2 实用算法：决策树的存储（四）示例：使用决策树预测隐形眼镜类型 （一）决策树的构造 决策树（decision tree）是一类...
高级数据结构-字典树-并查集-线段树
yhy_13s的博客
05-13 358
一，字典树 1.指针数组 2.路径存储，不是结点 二，并查集 图的深搜 0.并查集概述 并查集(Union Find)，又称不相交集合(Disjiont Set)，它应用于N个元素的集合求并与查询问题，在该应用场景中，我们通常是在开始时让每个元素构成一个单元素的集合，然后按一定顺序将属于同一组的元素所在的集合合并，其间要反复查找一个元素在哪个集合中。虽然该问题并不复杂，但面对极大的数据量时，普通的数据结构往往无法解决，并查集就是解决该种问题最为优秀的算法。 1.数组实现并查集（查找与合并） 2.森林
浅谈Trie树（字典树）
weixin_33810302的博客
01-16 531
Trie树（字典树） 一、引入 字典是干啥的？查找字的。 字典树自然也是起查找作用的。查找的是啥？单词。 看以下几个题： 1、给出n个单词和m个询问，每次询问一个单词，回答这个单词是否在单词表中出现过。 ...
字典树简介
最新发布
clmm_的博客
07-23 330
1. **节点结构**：字典树的每个节点包含若干个指向子节点的指针，通常使用数组或哈希表来实现。3. **高效性**：字典树能够在时间复杂度为 O(m) 的情况下，进行字符串的插入、查找和删除操作，其中 m 为字符串的长度。总的来说，字典树是一种用于高效存储和检索字符串数据的数据结构，通过利用字符串的前缀信息，能够快速地进行查找、插入和删除操作，具有较高的效率和适用性。5. **适用场景**：字典树适用于需要高效存储和检索大量字符串数据的场景，例如搜索引擎中的关键词提示、拼写检查、网络路由表等。
字典树
Joywy的专栏
07-16 1063
字典树又称单词查找树，Trie树，是一种树形结构，是一种哈希树的变种。典型应用是用于统计，排序和保存大量的字符串（但不仅限于字符串），所以经常被搜索引擎系统用于文本词频统计。它的优点是：利用字符串的公共前缀来节约存储空间，最大限度地减少无谓的字符串比较，查询效率比哈希表高。  字典树与字典很相似,当你要查一个单词是不是在字典树中,首先看单词的第一个字母是不是在字典的第一层,如果不在,说明
Delphi算法与数据结构 源码(下）
04-01
提供了有关使用算法和数据结构的一个详尽的介绍。Bucknall先从算法性能的讨论开始，涵盖了诸如数组、链表和二叉树等内容。这本书强调了查找算法（如顺序和二分查找），另外也重点介绍了排序算法（包括冒泡排序、插入...
Delphi算法与数据结构 源码（上）
03-31
提供了有关使用算法和数据结构的一个详尽的介绍。Bucknall先从算法性能的讨论开始，涵盖了诸如数组、链表和二叉树等内容。这本书强调了查找算法（如顺序和二分查找），另外也重点介绍了排序算法（包括冒泡排序、插入...
17-6 向量数据库之野望6 - 最全教程
ms44的专栏
07-16 1634
在之前的博客中，我们已经介绍了如何将原始数据嵌入到向量中。为了重复使用嵌入的信息，我们需要存储嵌入，以便可以按需访问它们。为此，我们使用一种特殊的数据库，称为矢量数据库。对于使用检索增强生成 (RAG) 的大规模应用程序而言，高效存储和检索嵌入（具有 CRUD 操作、元数据过滤和水平扩展等功能）至关重要。ChromaDB、Pinecone 和 Weaviate 等矢量数据库专门从事此工作，可提供快速检索和相似性搜索。集成正确的矢量数据库对于最大限度地提高 RAG 性能至关重要。
GTT-Net：学习的广义轨迹三角剖分
5795GTT-Net：学习的广义轨迹三角剖分Enrique Dunn Stevens理工学院{xxu24，edunn} @ stevens.edu摘要我们提出了GTT-Net，稀疏动态三维几何重建的监督学习框架。...在关节运动重建的背景下，我们提出的架构是1）能够...
PHP实现字典树数据结构
字典树是一种高效的数据结构，常用于存储和查找字符串，尤其是前缀匹配。在这个实现中，字典树使用了62个字符的字符集，包括大写和小写字母以及数字，但内存消耗相对较大。" 字典树（Trie）是一种非线性数据结构，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值