Trie (字典树) 的基本操作---插入,删除,单词前缀匹配等等

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


const int R = 26;
typedef struct TrieTree* Position;

enum Color{red,black};

struct TrieTree {
	char ch;
	Color color;//red表示一个单词到此处结束,black表示单词还未结束。
	Position next[R];
};
class Trie {
public:
/* TrieTree类(前缀树)
 * 接口:
 * MakeEmpty:重置功能,重置整颗前缀树
 * keys:获取功能,获取TrieTree中的所有单词,并储存在一个向量中
 * Insert:插入功能,向单词树中插入新的单词
 * Delete:删除功能,删除单词树的指定单词
 * IsEmpty:空函数,判断单词树是否为空
 * Find:查找函数,查找对应的单词,并返回查找情况:查找到返回true,否则返回false
 * KeysWithPrefix:查找以指定字符串为前缀的单词;
 */
	Trie();
	~Trie();
	//接口函数
	void MakeEmpty(void);
	vector<string>keys();
	void Insert(string);
	void Delete(string);
	bool isempty();
	bool Find(string) const;
	vector<string>KeysWithPrefix(string)const;
private:
	//辅助函数
	void MakeEmpty(Position);
	void Insert(string, Position&, int);
	void Delete(string, Position&, int);
	Position Find(string, Position,int)const;
	void Collect(string, Position, vector<string>&)const;
	Position root;
};
Trie::Trie() {
	root = new struct TrieTree;
	if (root == NULL) {
		cout << "申请失败"<<endl;
		return;
	}
	else {
		root->color = black;
		for (int i = 0; i < R; i++) {
			root->next[i] = NULL;
		}
	}
}
Trie::~Trie() {
	MakeEmpty(root);
}
void Trie::MakeEmpty(void) {
	for (int i = 0; i < R; i++) {
		if (root->next[i] != NULL) {
			MakeEmpty(root->next[i]);
		}
	}
}
void Trie::MakeEmpty(Position h) {
	for (int i = 0; i < R; i++) {
		if (h->next[i] != NULL) {
			MakeEmpty(h->next[i]);
		}
	}
	delete h;
	h = NULL;
}
vector<string>Trie::keys() {
	// 返回所有以""为前缀的单词,即所有单词
	return KeysWithPrefix("");
}
void Trie::Insert(string key) {
	Insert(key, root, 0);
}
void Trie::Insert(string key, Position& r, int k) {
	if (r == NULL) {
		r = new struct TrieTree;
		if (r == NULL) {
			cout << "申请失败" << endl;
			return;
		}
		else {
			r->color = black;
			if (k - 1 >= 0) {
				r->ch = key[k - 1];
			}
			for (int i = 0; i < R; i++) {
				r->next[i] = NULL;
			}
		}
	}
	if (k == key.size()) {
		r->color = red;
		return;
	}
	int pos = tolower(key[k]) - 'a';
	Insert(key, r->next[pos], k + 1);
}
void Trie::Delete(string key) {
	Delete(key, root, 0);
}
void Trie::Delete(string key, Position& r, int k) {
	//bool flag = false;
	if (r == NULL) {
		return;
	}
	if (k == key.length()) {
		r->color = black; //flag = true;
	}
	else {
		int pos = tolower(key[k]) - 'a';
		Delete(key, r->next[pos], k + 1);
	}
	if (r->color == red) {
		return;
	}
	for (int i = 0; i < R; ++i) {
		if (r->next[i] != NULL) return;
	}
	delete r;
	r = NULL;
}
bool Trie::isempty() {
	for (int i = 0; i < R; i++) {
		if (root->next[i] != NULL) {
			return false;
		}
	}
	return true;
}
bool Trie::Find(string s)const {
	Position p = Find(s, root, 0);
	if (p == NULL) return false;
	if (p->color == red) return true;
	else return true;
}
Position Trie::Find(string s,Position r,int k) const{
	if (r == NULL) {
		return NULL;
	}
	if (k == s.size()) {
		return r;
	}
	int pos = tolower(s[k]) - 'a';
	return Find(s, r->next[pos], k + 1);
}
/* 前缀查找驱动:将当前层次所有符合前缀要求的单词存入向量
 * 参数:key:指定的前缀,r:当前的节点层次,str:用于储存的向量
 * 返回值:无
 */
void Trie::Collect(string key, Position r, vector<string>& str)const {
	if (r == NULL) {
		return;
	}
	if (r->color == red) {
		str.push_back(key);
	}
	for (int i = 0; i < R; i++) {
		char ch = 'a' + i;
		Collect(key + ch, r->next[i], str);
	}
}
/* 前缀查找:查找TrieTree中所有以指定字符串为前缀的单词
 * 参数:key:指定的前缀
 * 返回值:vector<string>:储存了所有目标单词的向量
 */
vector<string>Trie::KeysWithPrefix(string key)const {
	vector<string>V;
	Collect(key, Find(key,root,0), V);
	return V;
}
int main()
{
	Trie Mytrie;
	Mytrie.Insert("dog");
	Mytrie.Insert("cat");
	Mytrie.Insert("father");
	Mytrie.Insert("ddt");
	Mytrie.Insert("fafad");
	Mytrie.Insert("cai");
	vector<string>S = Mytrie.KeysWithPrefix("fa");
	for (int i = 0; i < S.size(); ++i) {
		cout << S[i] << " ";
	}
	cout << endl;
	Mytrie.Delete("dog");
	vector<string>V = Mytrie.KeysWithPrefix("d");
	for (int i = 0; i < V.size(); i++) {
		cout << V[i] << " ";
	}
	cout << endl;
}

### 回答1: Trie字典树的Java代码实现可以分为以下几部分: 1. 定义Trie节点类,包含children数组和isEndOfWord标识,用于表示是否是单词的结尾。 2. 定义Trie类,包含插入、查找和删除操作。 3. 在Trie类中实现插入操作,遍历字符串每一个字符,在Trie树中寻找对应节点,如果不存在则新建节点。 4. 在Trie类中实现查找操作,遍历字符串每一个字符,在Trie树中寻找对应节点,如果找到最后一个字符对应的节点的isEndOfWord标识为true,则说明字符串是单词。 5. 在Trie类中实现删除操作,遍历字符串每一个字符,在Trie树中寻找对应节点,如果找到最后一个字符对应的节点的isEndOfWord标识为true,则将其设为false,并删除空节点。 如果需要完整代码和注释请告诉我。 ### 回答2: Trie字典树)是一种常用的数据结构,用于高效地存储和查找字符串。下面是Trie字典树的Java代码实现,用于返回单词。 ```java class TrieNode { private TrieNode[] children; private boolean isEndOfWord; public TrieNode() { children = new TrieNode[26]; // 字母表的大小为26 isEndOfWord = false; } public void insert(String word) { TrieNode curr = this; for (char c : word.toCharArray()) { if (curr.children[c - 'a'] == null) { curr.children[c - 'a'] = new TrieNode(); } curr = curr.children[c - 'a']; } curr.isEndOfWord = true; } public boolean search(String word) { TrieNode node = searchPrefix(word); return node != null && node.isEndOfWord; } public boolean startsWith(String prefix) { TrieNode node = searchPrefix(prefix); return node != null; } private TrieNode searchPrefix(String prefix) { TrieNode curr = this; for (char c : prefix.toCharArray()) { if (curr.children[c - 'a'] == null) { return null; } curr = curr.children[c - 'a']; } return curr; } } public class Trie { private TrieNode root; public Trie() { root = new TrieNode(); } public void insert(String word) { root.insert(word); } public boolean search(String word) { return root.search(word); } public boolean startsWith(String prefix) { return root.startsWith(prefix); } } public class Main { public static void main(String[] args) { Trie trie = new Trie(); trie.insert("apple"); trie.insert("app"); System.out.println(trie.search("apple")); // 输出:true System.out.println(trie.startsWith("app")); // 输出:true System.out.println(trie.search("banana")); // 输出:false } } ``` 以上代码中,`TrieNode`表示Trie的节点,`Trie`表示Trie树的结构。其中`TrieNode`类包含了插入单词、查找单词(完全匹配)以及查找前缀的功能。`Trie`类则是对外提供插入、查找单词前缀的方法。 在`main`方法中,我们演示了如何使用`Trie`类来插入和查找单词。首先,我们插入了两个单词"apple"和"app"。然后分别调用`search`方法来查找"apple"和"banana",以及`startsWith`方法来查找以"app"开头的单词。最后,打印出对应的结果,即是否找到了对应的单词前缀。 以上是Trie字典树的Java代码实现,用于返回单词。 ### 回答3: Trie字典树是一种经典的数据结构,用于高效地存储和查找字符串集合。下面是一个基于Java的Trie字典树的代码实现,可以实现返回单词的功能: ```java class TrieNode { private final int ALPHABET_SIZE = 26; private TrieNode[] children; private boolean isEndOfWord; public TrieNode() { children = new TrieNode[ALPHABET_SIZE]; isEndOfWord = false; } } class Trie { private TrieNode root; public Trie() { root = new TrieNode(); } public void insert(String word) { TrieNode current = root; for (int i = 0; i < word.length(); i++) { char ch = word.charAt(i); int index = ch - 'a'; if (current.children[index] == null) { current.children[index] = new TrieNode(); } current = current.children[index]; } current.isEndOfWord = true; } public boolean search(String word) { TrieNode current = root; for (int i = 0; i < word.length(); i++) { char ch = word.charAt(i); int index = ch - 'a'; if (current.children[index] == null) { return false; } current = current.children[index]; } return current != null && current.isEndOfWord; } public List<String> getAllWords() { List<String> result = new ArrayList<>(); TrieNode current = root; StringBuilder sb = new StringBuilder(); getAllWordsUtil(current, sb, result); return result; } private void getAllWordsUtil(TrieNode node, StringBuilder sb, List<String> result) { if (node == null) { return; } if (node.isEndOfWord) { result.add(sb.toString()); } for (int i = 0; i < ALPHABET_SIZE; i++) { if (node.children[i] != null) { sb.append((char)('a' + i)); getAllWordsUtil(node.children[i], sb, result); sb.deleteCharAt(sb.length() - 1); } } } } public class Main { public static void main(String[] args) { Trie trie = new Trie(); String[] words = {"hello", "world", "java", "programming"}; for (String word : words) { trie.insert(word); } List<String> allWords = trie.getAllWords(); System.out.println("All words in trie: " + allWords); } } ``` 上述代码中,TrieNode类表示字典树的节点,包括一个指向子节点的数组和一个标记,用于表示节点是否是某个单词的结尾。Trie类封装了字典树的操作,包括插入单词、查找单词和返回所有单词的功能。在代码的主函数中,我们创建一个Trie对象并插入一些单词,然后调用getAllWords()方法返回字典树中的所有单词。最后,打印出返回的单词列表。 希望以上解答对您有所帮助,如有更多疑问,请继续追问。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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