前缀树 Implement Trie (Prefix Tree)

最新推荐文章于 2021-12-06 01:22:39 发布

csdn_9527666

最新推荐文章于 2021-12-06 01:22:39 发布

阅读量250

点赞数

分类专栏： LeetCode 数据结构

原文链接：https://leetcode-cn.com/problems/implement-trie-prefix-tree/solution/shi-xian-trie-qian-zhui-shu-by-leetcode/

版权

数据结构同时被 2 个专栏收录

3 篇文章 0 订阅

订阅专栏

LeetCode

2 篇文章 0 订阅

订阅专栏

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？）

无效的图片地址
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)

无效的图片地址
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）

无效的图片地址
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