trie树（字典树）

        上学期的一门编程课写过几个实验程序，可惜由于懒散、能力等各方面问题，写得都很粗糙，比如这个trie树只是做了基本的实现，至多有一点点小技巧，性能其实很差。但还是写点东西记录一下，也是成长过程的一部分。

        百度百科上说trie树是哈希树的变种，哈希树我没研究过，但trie的特点很明显，确实使用了哈希的思想。通常的查找都是基于比较的，而哈希的思想是在键和值之间建立某种映射，通过键来查找到值。关于哈希的资料有很多，在此不赘述。本文重在讲解trie树。

        如果想在一大堆字符串中找到某个特定的字符串，最简单的方法当然是暴力匹配，然而效率会低得吓人，即使对于中等规模的数据量，其性能也是无法接受的。而trie树采取了以空间换时间的策略（增加了一些指针域等额外数据，但也未必会增加存储空间，例如有大量字符串，每个字符串长度为n个字符，前n-1个字符都是一样的，只有最后一个字符不同，那么采用特定实现的trie树反而会大大节省存储空间），大大提高了字符串匹配的速度，实现得当的话，复杂度与欲查找的字符串长度成比例，相对于暴力匹配，很明显是一个巨大的优化。

       那么，是如何实现的呢？暴力匹配之所以慢，是因为做了许多重复工作。例如，欲在{"aaaa", "bbb", "abd", "abcd"}查找“abcd"字符串，暴力匹配首先将第一个字符串"aaaa"与"abcd"比较，一个一个字符判断是否相同，第一个字符相同就判断第二个，依此类推，直到匹配成功或者某个字符不同匹配失败。然后继续匹配第二个字符串"bbbb"，我们将"abcd"的第一个字符'a'与其首字母'b'比较时，发现两者不同，匹配失败，再继续匹配第三个字符串。但是等等，我们为什么要做这第二次比较呢？在与第一个字符串匹配时，我们已经知道了欲查找字符串"abcd"的首字母为'a'，那么，所有首字母不为'a'的字符串都可以排除了，无须匹配，所以，第二次匹配是在做无用功。你可能会说，我不匹配怎么知道某个字符串首字母不是'a'，不还是要进行匹配的嘛。于是，我们就需要先对原始数据做一些处理，提取出某些信息，方便查找。建立trie树就是这个目的，根据每个字符串的各个字母，将其划分为不同的集合，这样就缩小了范围。例如，对于"abd"字符串，当第一个字符是'a'，我们将其存入首字母为'a'的字符串集合里，第二个字符是'b'，我们再将其存入（首字母为'a')第二个字符为'b'的集合里，依此类推。trie树建立完成后，查找"abcd"字符串，根据字符串中每个字符进入相应的集合去寻找，当发现首字母为'a'时，就去首字母为'a'的集合里匹配，"bbbb"字符串存储在另一个集合里，无须匹配，避免了无用功，提升了效率。当然这里所说的集合等只是一个抽象的概念，具体实现时trie树顾名思义当然是一棵树，首字母为'a'的集合是指以相应节点为根的子树。

       如上图，当确定首字母为'a'后，我们只需选择最左边的那棵子树继续向下匹配，其余子树不必理会。

       在实现时，数据是保存在节点中，而不是如图中那样，似乎是保存在边上的。在树中，这些边代表指针，一般无法保存额外信息。trie树其实是一种概念，具体实现有多种方法，甚至可以不是一棵树，其中一种常见的实现方式是双数组实现，用两个数组而不是树来实现trie“树”。如果用树这种数据结构来实现的的话，很明显的实现方法就是在树的节点中保存字符。这里又有两种选择：第一种是在节点中用数组或链表只保存出现过的字符，查找时须遍历，速度较慢，但节省空间；第二种是用哈希表的形式保存字符，速度较快，但占用空间较大，尤其是在字符集很大的情况下。trie树本来就是用于处理大量字符串的，并且常常需要很多空间开销来换取时间，所以不宜再加大空间开销。

         trie树-github

         trie树-OSChina

         这是一个简单的实现，分别上传到了github和OSChina，性能较低。有很多优化方法，但会掩盖基本思想，讨论trie树的高效实现和优化不是本文的目的。