键树,又称数字查找树(Digital Search Trees)是一棵度>=2的树,每个结点只含有组成关键字的符号。
键树有两种存储结构:
1、树的孩子-兄弟链表来表示键树。
每个Node有三个域:first指向第一棵子树的根指针;next指向右兄弟;info(可选的)记录附加数据。如下图:
查找过程是,从根结点出发,顺着first查找,如果相等,继续下一个first。否则沿着next查找。直到到了空指针为止。此时若仍未完成key的匹配,查找不成功。
2、以树的多重链表表示键树(Trie树)。
每个结点中含有d个指针域,此时又称Trie树。
Trie树中有两种结点:
(1)分支结点:含有d个指针域,整数n记录非空指针域的个数(可选)。
(2)叶子结点:含有关键字域(完整的关键字、可选)、附加数据域名(可选)。
实际实现的时候,一般都偷懒,只包含那d个指针域。
如下图:
在标准Trie树的基础上,可以压缩:若从键树中某个结点到叶子结点的路径上每个结点都只有一个孩子,则可将该路径上的所有结点压缩成一个叶子结点。如下图所示:
一个标准Trie树的Java实现如下:
1
2
3
4
5
6
7
8
9
10
11
12
13
|
import
java
.
util
.
Arrays
;
public
class
TrieNode
{
public
TrieNode
(
)
{
ptr
=
new
TrieNode
[
BRANCH
]
;
Arrays
.
fill
(
ptr
,
null
)
;
}
public
static
final
int
BRANCH
=
27
;
public
TrieNode
[
]
ptr
=
null
;
public
int
nptr
=
0
;
}
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
|
public
class
Trie
{
public
Trie
(
)
{
root
=
new
TrieNode
(
)
;
}
public
void
Insert
(
String
key
)
{
TrieNode
p
=
root
;
for
(
int
i
=
0
;
i
<
key
.
length
(
)
;
i
++
)
{
int
offset
=
key
.
charAt
(
i
)
-
'a'
;
if
(
p
.
ptr
[
offset
]
==
null
)
{
p
.
ptr
[
offset
]
=
new
TrieNode
(
)
;
p
.
nptr
++
;
}
p
=
p
.
ptr
[
offset
]
;
}
}
public
boolean
Search
(
String
key
)
{
TrieNode
p
=
root
;
for
(
int
i
=
0
;
i
<
key
.
length
(
)
;
i
++
)
{
int
offset
=
key
.
charAt
(
i
)
-
'a'
;
if
(
p
.
ptr
[
offset
]
==
null
)
{
return
false
;
}
p
=
p
.
ptr
[
offset
]
;
}
return
true
;
}
private
TrieNode
root
=
null
;
public
static
void
main
(
String
[
]
args
)
{
Trie
trie
=
new
Trie
(
)
;
trie
.
Insert
(
"liheyuan"
)
;
trie
.
Insert
(
"liheyuan"
)
;
System
.
out
.
println
(
trie
.
Search
(
"liheyuan"
)
)
;
}
}
|
延伸阅读:中文Trie树
摘抄自:http://hxraid.iteye.com/blog/618962
由于中文的字远比英文的26个字母多的多。因此对于trie树的内部结点,不可能用一个26的数组来存储指针。如果每个结点都开辟几万个中国字的指针空间。估计内存要爆了,就连磁盘也消耗很大。
一般我们采取这样种措施:
(1) 以词语中相同的第一个字为根组成一棵树。这样的话,一个中文词汇的集合就可以构成一片Trie森林。这篇森林都存储在磁盘上。森林的root中的字和root所在磁盘的位置都记录在一张以Unicode码值排序的有序字表中。字表可以存放在内存里。
(2) 内部结点的指针用可变长数组存储。
特点:由于中文词语很少操作4个字的,因此Trie树的高度不长。查找的时间主要耗费在内部结点指针的查找。因此将这项指向字的指针按照字的Unicode码值排序,然后加载进内存以后通过二分查找能够提高效率。
补充:我觉得对于字典这种应用,改动会很小的,真的可以内存中Trie树+二分查找搞定。