Trie字典树学习笔记

最新推荐文章于 2024-11-16 18:21:00 发布

wind_kaka

最新推荐文章于 2024-11-16 18:21:00 发布

阅读量119

点赞数

文章标签：学习算法数据结构

本文链接：https://blog.csdn.net/j_x_l/article/details/129098750

版权

文章介绍了Trie字典树的基本概念，强调其在存储和查询字符串时的效率优势，并详细说明了如何构建和查询Trie树。通过实例展示了在处理字符串集合时，如何使用邻接矩阵来表示和更新字典树，并提供了两个编程题目的解题思路。

摘要由CSDN通过智能技术生成

注：

前言是废话
线段树不分左右，说左右是为了好理解
实操指实际操作
qwq 指根

理论

前言

Trie字典树是一个树（

定义

Trie字典树指的是：某个字符串集合构造的有根树。

好处

由于 Trie字典树较好的利用了字符串的公共前缀，因此有效的节约存储空间。

查询效率比哈希树高。

用途

用于统计、排序和保存大量的字符串（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。

性质

根结点不包含字符，除根结点外每一个结点都只包含一个字符；
从根结点到某一结点，路径上经过的字符连接起来，为该结点对应的字符串；
每个结点的所有子结点包含的字符都不相同。

正片

input:

abc
ghi
abcdef
abf

构建

先处理 abc。

第一个进来 a，发现 qwq 左侧和右侧都没有 a，于是将 a 弄到左边。

依次类推，将 b 和 c 也弄进来。

然后我们发现 c 是这个字符串结尾，于是标记一下。

然后处理 ghi，因为 g 没出现过，所以这个字符串丢去右边。

接着是 abcdef，前面 abc 刚刚好都有，所以只用从 c 往下建 def。

最后是 abf，ab 已经有了，直接在 b 的旁边构建一个 f 就刑。

题外话：没错，仅有小写字母是二十六叉树。

所以说，我们的数组大概是这样子的：

但是可以发现，如果再来一个 abc，它会和原来的重合，所以我们再用一个数组来标记以某个节点为结束的单词有几个。

另：第 i 个处理的字母我们将其标记为 i 号节点。

这个数组怎么看呢，很简单。

$0$ 指根， $a_{0,i}$ 就是指根的子节点。

也就是说， $a_{i,j}$ 就是指 i号节点的子节点。

题外话：没错，这棵树不区分左右子节点。

所以说，如果我们用邻接矩阵储存仅有小写字母的字典树，数组大概要开 $\max\{s_i.size\} \times 26$ 。

构建实操

例题：东方博宜2381。

首先我们定义一个 $p$ 为当前搜索的根，从 $0$ 也就是根开始找起。

void insert(char s[]){
    int p = 0;
    
}

然后循环 $s$ 数组。

void insert(char s[]){
    int p = 0;
    //for(int i = 0; s[i] != '\0'; i++)
    for(int i = 0; s[i]; i++){
        
    }
}

如果查找当前根找不到，就添加这个点。

void insert(char s[]){
    int p = 0;
    //for(int i = 0; s[i] != '\0'; i++)
    for(int i = 0; s[i]; i++){
        int x = s[i]-'a';
        if(!t[p][x]) t[p][x] = ++ind;
    }
}

然后更新 $p$ ，而且无论是否新建点（无论 $s_i$ 是否是当前节点 $p$ 的子节点）， $p$ 都应该更新到 $t_{p,x}$ 。

还有因为最后结束循环时还会更新一次，所以说我们要标记结束点时刚刚好就可以用 $p$ 。

void insert(char s[]){
    int p = 0;
    //for(int i = 0; s[i] != '\0'; i++)
    for(int i = 0; s[i]; i++){
        int x = s[i]-'a';
        if(!t[p][x]) t[p][x] = ++ind;
        p = t[p][x];
    }
    cnt[p]++;
}

查询实操

查询大致一样，只是如果当前根没有，直接 return。

这道题如果查找了找不到的直接返回 $0$ （没有投票，票数为 $0$ ），所以说找不到就 return 0。

刚刚好，如果查询完改数组最后一个不是结束点，直接返回 $cnt_p$ ，刚刚好就是 $0$ 。

void insert(char s[]){
    int p = 0;
    for(int i = 0; s[i]; i++){
        int x = s[i]-'a';
        if(!t[p][x]) return 0;
        p = t[p][x];
    }
    return cnt[p];
}

练习讲解

例题一：洛谷P8306

这个题和和东方博宜的板子很像，但是难一些。

首先我们的数组要扩到 $65$ ，然后要写个函数处理字符串里的字母。

因为只有大小写字母和数字，所以 if 判断然后返回就行。

但是直接减去 A、a、0 并不可行，所以我们应该在储存时加一个数，使大小写字母和数字的存储错开。

int get(char x){
    if(x >= 'A' && x <= 'Z')
        return x-'A'; //大写字母
    else if(x >= 'a' && x <= 'z')
        return x-'a'+26; //小写字母
    else return x-'0'+52; //数字
}

另外，查询时，因为是问的前缀，所以我们 for 储存时一边循环一边 $cnt_p$ ++。

void insert(char s[]){
    int p = 0;
    for(int i = 0; s[i]; i++){
        int x = get(s[i]);
        if(!t[p][x]) t[p][x] = ++ind;
        p = t[p][x];
        cnt[p]++;
    }
}

值得一提的题外话：警钟长鸣。

例题二：洛谷P2580

值得一提的是，这比洛谷的板子要简单，只是在查询的时候需要更改一下。

每次查询，如果在循环查找名称时，没有找到，直接输出 WRONG 并且 return。
每次查询结束，先判断是否存在这个名字，如果并没有（ $cnt_p = 0$ ），就输出 WRONG。（这就是 hack 数据）
如果存在该名字，将 $c n t$ 数组这个地方修改为 $- 1$ ，并输出 OK。
如果 $c n t$ 数组这个地方为 $- 1$ ，输出 REPEAT。

void query(string s){
    int p = 0;
    for(int i = 0; s[i]; i++){
        int x = s[i]-'a';
        if(!t[p][x]){
            cout << "WRONG" << endl;
            return ;
        }
        p = t[p][x];
    }
    if(!cnt[p])
        cout << "WRONG" << endl;
    else if(cnt[p] == -1)
        cout << "REPEAT" << endl;
    else cout << "OK" << endl,cnt[p] = -1;
}