字典树入门及实现_JAVA_java字典树junit测试csdn-CSDN博客

Trie树，又称单词查找树或键树，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和排序大量的字符串（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，最大限度的减少无谓的字符串比较，查询效率比哈希表高。

比如说我们想储存3个单词，sky、skyline、skymoon。如果只是单纯的按照以前的字符数组存储的思路来存储的话，那么我们需要定义三个字符串数组。但是如果我们用字典树的话，只需要定义一个树就可以了。在这里我们就可以看到字典树的优势了。

它有三个基本性质:

(1)根节点不包含字符;

(2) 除根节点外每一个节点都只包含一个字符:

(3) 从根节点到某一节点，路径上经过的字符连接起来，为该节点对应的字符串，每个节点的所有子节点包含的字符都不相同。

字典树的插入，删除和查找都非常简单，用一个一重循环即可。

1.从根节点开始一次搜索

2.取得要查找关键词的第一个字母，并根据该字母选择对应的子树并转到该子树继续进行检索

3.在相应的子树上，取得要查找关键词的第二个字母，并进一步选择对应的子树进行检索

4.迭代过程...

5.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，即完成查找

例:

Ignatius最近遇到一个难题,老师交给他很多单词(只有小写字母组成,不会有重复的单词出现),现在老师要他统计出以某个字符串为前缀的单词数量(单词本身也是自己的前缀).

Input

输入数据的第一部分是一张单词表,每行一个单词,单词的长度不超过10,它们代表的是老师交给Ignatius统计的单词,一个空行代表单词表的结束.第二部分是一连串的提问,每行一个提问,每个提问都是一个字符串.注意:本题只有一组测试数据,处理到文件结束.

Output

对于每个提问,给出以该字符串为前缀的单词的数量.

Sample Input

banana

band

bee

absolute

acm

band

abc

Sample Output

代码: (字典树模板)

import java.util.LinkedList;
public class Trie {
    private int SIZE = 26;
    private TrieNode root; //字典树的根

    Trie() { //初始化字典树
        root = new TrieNode();
    }

    private class TrieNode { //字典树节点
        private intnum;//有多少单词通过这个节点,即节点字符出现的次数
        private TrieNode[] son;//所有的儿子节点
        private booleanisEnd;//是不是最后一个节点
        private char val;// 节点的值


        TrieNode() {
            num = 1;
            son = newTrieNode[SIZE];
            isEnd = false;

        }
    }
//建立字典树
    public void insert(String str) { //在字典树中插入一个单词
        if (str == null || str.length()== 0) {
            return;
        }
        TrieNode node = root;
        char[] letters=str.toCharArray();
        for (int i = 0, len =str.length(); i < len; i++) {
            int pos = letters[i] -'a';
            if (node.son[pos] == null){
                node.son[pos] = newTrieNode();
                node.son[pos].val =letters[i];
            } else {
                node.son[pos].num++;
            }
            node = node.son[pos];
        }
        node.isEnd = true;
    }


    public int countPrefix(Stringprefix){ //计算单词前缀的数量
       if(prefix==null||prefix.length()==0){
            return -1;
        }
        TrieNode node=root;
        char[]letters=prefix.toCharArray();
        for(inti=0,len=prefix.length();i< len;i++){
            int pos=letters[i]-'a';
            if(node.son[pos]==null){
                return 0;
            }else{
                node=node.son[pos];
            }
        }
        return node.num;
    }

    // 在字典树中查找一个完全匹配的单词.
    public boolean has(String str) {
        if (str == null || str.length()== 0) {
            return false;
        }
        TrieNode node = root;
        char[] letters=str.toCharArray();
        for (int i = 0, len =str.length(); i < len; i++) {
            int pos = letters[i] -'a';
            if (node.son[pos] != null){
                node =node.son[pos];
            } else {
                return false;
            }
        }
        return node.isEnd;
    }


    //前序遍历字典树.
    public void preTraverse(TrieNodenode){
        if(node!=null){
           System.out.print(node.val+"-");
            for(TrieNode child:node.son){
                preTraverse(child);
            }
        }

    }

    public TrieNode getRoot(){
        return this.root;
    }

    public static void main(String[]args) {
        Trie tree = new Trie();
        String[] strs={
                "banana",
               "band",
               "bee",
               "absolute",
               "acm",
        };
        String[] prefix={
                "ba",
                "b",
               "band",
                "abc",
        };
        for(String str : strs){
            tree.insert(str);
        }
       System.out.println(tree.has("abc"));
       tree.preTraverse(tree.getRoot());
        System.out.println();
        //tree.printAllWords();
        for(String pre : prefix){
            intnum=tree.countPrefix(pre);
            System.out.println(pre+""+num);
        }

    }
}