LeetCode---Trie

Trie树的介绍

Trie称为前缀树或者是字典树，用于判断字符串是否存在或者是否具有某种字符串的前缀。是一棵非典型的多叉树模型，经常用来快速检索。
前缀树里面存储的是具有相同前缀的字符串。

Trie的节点结构

Trie是一个有根的树，其节点具有以下字段：

1. 最多R个指向子节点的链接，其中每个链接对应字母表数据集中的一个字母。
2. 布尔字段：来指定节点是对应键的结尾还是只是键前缀。

Trie树的两个常见操作

向Trie树中插入键

通过搜索Trie树来插入一个键，从根节点开始搜索它对应于第一个键字符的链接，有两种情况：

1. 链接存在。沿着链接移动到树的下一层。算法继续搜索下一个键字符。
2. 链接不存在。创建一个新节点，并将它与父节点的链接相连，该链接与当前的键字符相匹配。
   重复以上的步骤直到到达键的最后一个字符，然后将当前节点标记为结束节点，算法结束。
   复杂度分析：
   时间复杂度：O(m)，其中m为键长。在算法的每次迭代中，我们要么创建一个节点直到到达键尾，只需要m次操作。
   空间复杂度：O(m)，最坏的情况下，新插入的键和Trie树中已经有的键没有公共前缀，此时要添加m个节点，使用O(m)空间。

在Trie树中查找键

**每个键在trie中表示从根节点到内部节点或者叶子节点的路径。**用第一个键字符从根开始，检查当前节点中与键字符对应的链接。有两种情况：

1. 存在链接。我们移动到该链接后面路径中的下一个节点，并继续搜索下一个键字符。
2. 不存在链接。若已无键字符，且当前节点标记为isEnd,则返回true。否则有两种可能，均返回false:
   (1) 还有键字符剩余，但无法跟随树的键路径，找不到键。
   (2）没有键字符剩余，但当前节点没有标记为isEnd,也就是说，待查找键只是Trie树中的另一个键的前缀。
   复杂度分析：
   时间复杂度：O(m)，算法的每一步均搜索下一个键字符，最坏的情况下需要m次操作。
   空间复杂度：O(1)。

查找Trie树中的键前缀

该方法与在Trie树中搜索键时使用的方法相似。我们从根遍历Trie树，直到键前缀中没有字符，或者无法用当前的键继续Trie中的路径。与上面提到的"搜索键”算法的唯一区别是，到达键前缀的末尾时，总是返回true.我们不需要考虑当前Trie节点是否使用isEnd标记，因为我们搜索的是键的前缀，而不是整个键。
复杂度分析
时间复杂度：O(m)
空间复杂度：O(1)

Trie树的优势

字典树优于哈希表的原因为：
尽管哈希表能够在O(1)时间内寻找键值，但是无法高效的完成：

1. 找到具有同一前缀的全部键值。
2. 按字典序枚举字符串的数据集。
   同时，随着哈希表大小增加，会出现大量的冲突，时间复杂度可能增加到O(n),其中n是插入键的数量，与哈希表相比，Trie树在存在多个相同前缀的键时可以使用较少的空间，此时Trie树只需要O(m)的时间复杂度，其中m为键长，而在平衡树中查找键值需要O(mlogn)时间复杂度。

677.键值映射

题目大意

实现一个 MapSum 类，支持两个方法，insert 和 sum：
MapSum() 初始化 MapSum 对象
void insert(String key, int val) 插入 key-val 键值对，字符串表示键 key ，整数表示值 val 。如果键 key 已经存在，那么原来的键值对将被替代成新的键值对。
int sum(string prefix) 返回所有以该前缀 prefix 开头的键 key 的值的总和。

解题思路

1. 往前缀树中插入键值对：
   依次取出字符串(键)中的每个字符递归的进行插入，计算每个字符对应的索引，创建孩子节点进行插入，当把所有的字符都插入的时候，就将最后一个节点的值进行更新。
2. 计算以某个前缀 开头键所对应的值的总和：
   同上面递归的找值，然后还要查看已找到节点的孩子节点中是否还有值，同样要加到最终的总和中去。

代码实现

class MapSum {
    private class Node{
        Node[] childs=new Node[26];
        int value;
    }
    private Node root=new Node();

    /** Initialize your data structure here. */
    public MapSum() {

    }
    
    public void insert(String key, int val) {
        insert(key,root,val);

    }
    public void insert(String key,Node node,int val){
        //往根为node的前缀树中插入键值对(key,val)
        //如果整棵树为空 直接返回
        if(node==null){
            return ;
        }
        //如果插入的字符串长度为0,将值进行更换
        if(key.length()==0){
            node.value=val;
            return ;
        }
        int index=IndexForChar(key.charAt(0));
        if(node.childs[index]==null){
            node.childs[index]=new Node();
        }
        insert(key.substring(1),node.childs[index],val);


    }
    
    public int sum(String prefix) {
        return sum(prefix,root);
    }
    //表示以node为结束的字符串中
    public int sum(String prefix,Node node){
        //返回所有以prefix为前缀的value值和
        if(node==null){
            return 0;
        }
        if(prefix.length()!=0){
            int index=IndexForChar(prefix.charAt(0));
            return sum(prefix.substring(1),node.childs[index]);
        }
        int sum=node.value;
        //查看以孩子节点为开始是否有以prefix为前缀的字符串
        for(Node child:node.childs){
            sum+=sum(prefix,child);
        }
        return sum;
    }
    private int IndexForChar(char c){
        return c-'a';
    }
}

208. 实现 Trie (前缀树)

题目大意

实现一个 Trie (前缀树)，包含 insert, search, 和 startsWith 这三个操作。

解题思路

1. insert():
   同上题的插入操作。只是当插入完字符串的时候，不是更新节点的值了，而是将节点标记为叶子节点。
2. search():
   递归的进行搜索，当搜索的键长度为0时，查看对应的节点是否为叶子节点。
3. startsWith():
   同上面的搜索操作，只是当前缀的长度为0的时候就返回true,表示存在该前缀的字符串。

代码实现

class Trie {
    private class Node{
        Node[] childs=new Node[26];
        boolean isLeaf;
    }
    private Node root=new Node();

    /** Initialize your data structure here. */
    public Trie() {

    }
    
    /** Inserts a word into the trie. */
    public void insert(String word) {
        insert(word,root);

    }
    public void insert(String word,Node node){
        if(node==null){
            return ;
        }
        if(word.length()==0){
            node.isLeaf=true;
            return ;
        }
        //获取索引
        int index=indexForChar(word.charAt(0));
        //如果该处没有值就创建一个节点
        if(node.childs[index]==null){
            node.childs[index]=new Node();
        }
        //递归继续插入剩下的字符串
        insert(word.substring(1), node.childs[index]);
    }
    
    /** Returns if the word is in the trie. */
    public boolean search(String word) {
        return search(word,root);
    }
    public boolean search(String word,Node node){
        if(node==null){
            return false;
        }
        if(word.length()==0){
            return node.isLeaf;
        }
        int index=indexForChar(word.charAt(0));
        return search(word.substring(1),node.childs[index]);
    }
    
    
    /** Returns if there is any word in the trie that starts with the given prefix. */
    public boolean startsWith(String prefix) {
        return startsWith(prefix,root);

    }
    public boolean startsWith(String prefix,Node node){
        if(node==null){
            return false;
        }
        if(prefix.length()==0){
            return true;
        }
        int index=indexForChar(prefix.charAt(0));
        return startsWith(prefix.substring(1),node.childs[index]);
    }
   
    public int indexForChar(char c){
        return c-'a';
    }
}