Trie 字典树 是一种单词查找树,简而言之就是用来存放字符串。
trie的优点如下:
1.高效的字符串检索,可以做到O(n)的时间复杂度。
2.前缀匹配
3.空间优化,可以优化大量相同前缀
4.可以处理大量字符串
如图就是一个trie:
建树的过程对于大佬的你来说也相当简单...无非就是看这个字符在书中是否存在,是的话就继续下一个字符,否则添加新的子节点。
struct node{
int next[26];
int end = 0;
}trie[N];
next 数组就是用来存子节点在trie数组中的下标,next[0]就是该节点通过‘a’路所到达的子节点,最初都为0,代表没有节点,一个节点可以分出26条分支,需根据所需内容调整。(如模板串只有小写字母就是26个)。
可以通过上面的方法构建结构体节点,比较好理解 :) 。
void build(const string & x)
{
int len = x.size();//计算大小
int now = 0;//当前所在节点的指针,最初树只有根节点0.
for(int i=0;i<len;i++){//遍历模板串
if(!trie[now].next[x[i]-'a']) trie[now].next[x[i]-'a'] = ++cnt;
//如果字符没有对应节点.则动态分配(cnt初始化为0)
now = trie[now].next[x[i]-'a'];//跳now
}
trie[now].end++;//统计在此节点结尾的字符串个数
}
如下是没有注释的,方便大佬复制 :) :
void build(const string & x)
{
int len = x.size(),now = 0;
for(int i=0;i<len;i++){
if(!trie[now].next[x[i]-'a']) trie[now].next[x[i]-'a'] = ++cnt;
now = trie[now].next[x[i]-'a'];
}
trie[now].end++;
}