作者:LeetCode
链接:https://leetcode-cn.com/problems/implement-trie-prefix-tree/solution/shi-xian-trie-qian-zhui-shu-by-leetcode/
来源:力扣(LeetCode)
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
编者注:本文核心内容大部分来自leetcode,我只是以自己思维方式做了整理,希望对大家有所帮助。如有错误,辛苦指出,谢谢!
什么是前缀树(What)
一种树数据结构,用于检索字符串数据集中的键,以及根据前缀获得该前缀下对应的所有串。
为什么使用前缀树(Why)
- 找到具有同一前缀的全部键值。
- 按词典序枚举字符串的数据集。
-
Trie 树优于哈希表的另一个理由是,随着哈希表大小增加,会出现大量的冲突,时间复杂度可能增加到 O(n),其中 n 是插入的键的数量。与哈希表相比,Trie 树在存储多个具有相同前缀的键时可以使用较少的空间(前缀复用)。此时 Trie 树只需要 O(m)的时间复杂度,其中 m 为键长。而在平衡树中查找键值需要 O(mlogn) 时间复杂度。(原因见下图)
-
平衡树查找时间复杂度分析:
-
前缀树查找时间复杂度分析:
什么时候(业务场景举例)应该使用前缀树(When)
1. 自动补全(应用于搜索框中 中文字典树应用于中文词自动补全中,搜索词确定后的搜索是使用全文检索实现?)
图 1. 谷歌的搜索建议
2. 拼写检查(常用于文档编辑中 判断用户写下的词是否在字典树中)
图2. 文字处理软件中的拼写检查
3. IP 路由 (最长前缀匹配)
图 3. 使用Trie树的最长前缀匹配算法,Internet 协议(IP)路由中利用转发表选择路径。
4. T9 (九宫格) 打字预测(找出指定前缀下的所有单词 一定排序规则后展示前x个 预测用户输入)
图 4. T9(九宫格输入),在 20 世纪 90 年代常用于手机输入
5. 单词游戏(用于判断前缀 是否合法)
图 5. Trie 树可通过剪枝搜索空间来高效解决 Boggle 单词游戏
如何实现前缀树(How)
1 向前缀树中增加键
从根开始搜索它对应于第一个键字符的链接。有两种情况:
1.1 链接存在。沿着链接移动到树的下一个子层。算法继续搜索下一个键字符。
1.2 链接不存在。创建一个新的节点,并将它与父节点的链接相连,该链接与当前的键字符相匹配。
重复以上步骤,直到到达键的最后一个字符,然后将当前节点标记为结束节点,算法完成。
// Inserts a word into the trie.
public void insert(String word) {
TrieNode node = root;
for (int i = 0; i < word.length(); i++) {
char currentChar = word.charAt(i);
// 如不存在 创建并将char node put到父节点的map缓存中
// 从父节点中查子节点信息 使用map缓存提高效率
if (!node.containsKey(currentChar)) {
node.put(currentChar, new TrieNode());
}
node = node.get(currentChar);
}
node.setEnd();
}
复杂度分析
时间复杂度:O(m),其中 m 为键长。在算法的每次迭代中,我们要么检查要么创建一个节点,直到到达键尾。只需要 m 次操作。
空间复杂度:O(m)。最坏的情况下,新插入的键和 Trie 树中已有的键没有公共前缀。此时需要添加 m 个结点,使用 O(m) 空间。
2 从前缀树中查找键
第一个键字符从根开始,。检查当前节点中与键字符对应的链接。有两种情况:
2.1 存在链接。我们移动到该链接后面路径中的下一个节点,并继续搜索下一个键字符。
2.2 不存在链接。若已无键字符,且当前结点标记为 isEnd,则返回 true。否则有两种可能,均返回 false :
还有键字符剩余,但无法跟随 Trie 树的键路径,找不到键。
没有键字符剩余,但当前结点没有标记为 isEnd。也就是说,待查找键只是Trie树中另一个键的前缀。
如图所示 一个节点有两个属性:
1 子链接
2 当前节点是否是end节点
// search a prefix or whole key in trie and
// returns the node where search ends
// 前缀搜索方法
private TrieNode searchPrefix(String word) {
TrieNode node = root;
for (int i = 0; i < word.length(); i++) {
char curLetter = word.charAt(i);
if (node.containsKey(curLetter)) {
node = node.get(curLetter);
} else {
return null;
}
}
return node;
}
// Returns if the word is in the trie.
// 全量搜索方法
public boolean search(String word) {
TrieNode node = searchPrefix(word);
return node != null && node.isEnd();
}
搜索方法提供了
1 前缀搜索方法
2 全量搜索方法
复杂度分析
- 时间复杂度 : O(m)。算法的每一步均搜索下一个键字符。最坏的情况下需要 m 次操作。
- 空间复杂度 : O(1)。
练习题目
下面是一些很好的问题,供您练习使用 Trie 数据结构。
https://leetcode-cn.com/problems/add-and-search-word-data-structure-design/ 添加与搜索单词 - 一个 Trie 树的直接应用。
https://leetcode-cn.com/problems/word-search-ii/ 单词搜索 II - 类似 Boggle 的游戏。