前缀树

class Trie:

    def __init__(self):
        """
        Initialize your data structure here.
        初始化树结构，以字典形式存放进lookup内。lookup字典才是真正的树结构存放处。
        """
        self.lookup = {}

    def insert(self, ip_li: list) -> None:
        """
        Inserts a word into the trie.
        像树结构内插入一个Node。
        此处的ip_li可以为字符串，列表，元组等任意可迭代对象，此处定义为list是测试ip树时做的修改
        """
        tree = self.lookup
        for a in ip_li:
            if a not in tree:
                tree[a] = {}
            tree = tree[a]
        # 结束标志
        tree["#"] = "#"

    def search(self, word: str) -> bool:
        """
        Returns if the word is in the trie.
        查询某个对象是否在树内。此处的word与insert内的ip_li是同一个东西。
        """
        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.
        查询书内是都有某前缀开头的对象。prefix为上述两个方法ip_li和word的包含起始位的连续的一部分。
        """
        tree = self.lookup
        for a in prefix:
            if a not in tree:
                return False
            tree = tree[a]
        return True

       前缀树，也叫字典树。从以上代码也可看出整棵树的结构是以kv存储，且除了末级点位外，其余点位的value值均为字典。书内的三个方法的关键均为一个循环。以IP存储为例，将ip分割为4个有序的数字列表传入insert方法。循环中会按照ip列表的顺序去树的每一层查找该树的对应位置是都有该数字。若没有则在这个位置新增一个树的分叉，若有则在该位置的下一级内寻找ip列表的下一位是否存在，知道循环结束。

       这种结构可以很好的节省存储空间，查询时更可以避免无规则的便利。当有海量的数据时，可以做到小内存查询大数据的效率提升。

        PS: 代码是从leetcode上偷来的，自己写的没人家的条理好看，也不是用的单纯的字典实现，结构中使用里列表和字典。