字符串算法---Trip树

引言

• 在常见的字符串匹配中：给定n个字符换，查找某一个字符串，如果用暴力法的话，时间复杂度显然为$O(mn)$，m为$avg(\Sigma 字符串)$。
• 暴力匹配所需字符串的代码如下：

  #include<iostream>
  #include<string>
  using namespace std;
  const int N = 100;
  string ss[N];
  int main()
  {
  	int n;
  	cin>>n;
  	for(int i = 0; i < n; i++)
  		cin>>ss[i];
  	
  	string p;
  	cin>>p;
  	for(int i = 0; i < n; i++)
  	{
  		if(p.size() != ss[i].size()) continue;
  		for(int j = 0; j < p.size(); j++)
  		{
  			if(p[j] != ss[i][j]) break;
  			else if(p[j] == s[i][j] && j == p.size()-1) 
  			{
  				cout<<"find it";
  				return 0;
  			}
  			else continue;
  		}
  	}
  	cout<<"fail to find";
  	return 0;
  }
  

• 显然，如果要匹配的n个字符串的数量很大的话，那么暴力法的效率将会非常的低。那么，有什么好的，更高效的匹配方法呢？

Trip树

• 在日常生活中，大家都有查英文字典的经历，比如查找单词cat，那么把字典先翻到c处，再翻到第二个a，第三个单词t处，就可以找到我们所需要的单词。查询次数仅仅为3次。也即查找某个单词的次数仅仅为其单词的长度。
• 字典树(Trip，又名前缀树），便是模拟查字典的这个操作的一个糕级 高级数据结构。字典树是一颗多叉树，如英文字母的字典树为26叉树，阿拉伯数字0~9则为10叉树。
• 那么，该如何构造字典树呢？我们先给定以下单词：
  tree,trip,man,mom,may,mana，将其建立成为一颗以下26叉树：
  
• 如图，多个具有相同前缀的单词，共用前缀。为确定每一个单词出现过，我们用橙色标出，代码则可设置一个相应的标记，表示存在这个单词 (题目给出的，生活中有该单词，题目未给也不存在)
• 如图可发现，我们仅用很少的结点，存储了好几个单词。由此图我们可以得出前缀树的一些性质：
  • 根节点不放字符!
  • 从根节点到某一结点，路径上的所有字符连接起来就是该节点对应的字符串。
  • 一个完整的单词被一条链存储，且一个结点的所有孩子结点都具有相同的前缀。
• 给一道例题进行详解（核心代码为insert()建树操作）：

维护一个字符串集合，支持两种操作：
1.I x向集合中插入一个字符串$x$.
2.Q x 询问一个字符串在集合中出现了多少次。

输入格式：

第一行包含整数 N，表示操作数。接下来 N行，每行包含一个操作指令，指令为 I x 或 Q x 中的一种。

输出格式：

对于每个询问指令 Q x，都要输出一个整数作为结果，表示 x
在集合中出现的次数。每个结果占一行。

数据范围：$1<=N<=2\ast 10^4$

• 题目来源：AcWing:835.字符串统计

#include<iostream>
#include<string>
#include<algorithm>
using namespace std;
const int N = 2e5+10;

int son[N][26], cnt[N], idx = 0; //0号结点是根结点，空结点。

//新插入一个字符串（可重复插入）
void insert(string  ss)
{
	int p = 0; //从根节点往下遍历，找到空结点后插入新字符，并cnt标记出现次数++
	for(int i = 0; i < ss. size(); i++) //树叉深度为ss的长度
	{
		int u = ss[i] - 'a'; //找到26个单词中的某个
		if(!son[p][u]) son[p][u] = ++idx; //向下遍历，不存在该字母，则建立该字母结点，存在则直接执行下面语句
		p = son[p][u]; //子结点
	}
	cnt[p]++; //最后会停在字母最后一个单词处
}

//查询和插入类似
int Query(string ss)
{
	int p = 0; //根结点
	for(int i = 0; i < ss.size(); i++)
	{
		int u = ss[i] - 'a';
		if(!son[p][u]) return 0; //不存在该单词
		p = son[p][u];
	}
	return cnt[p];
}

int main()
{
	ios::sync_with_stdio(0);
	cin.tie(0),cout.tie(0);
	
	int n;
	cin>>n;
	while(n--)
	{
		char op;
		string ss;
		cin >> op;
		cin >> ss;
		if(op == 'I')
		{
			insert(ss); //新添加一个字符串，字符串可重复出现，通过cnt标记出现次数
		}
		else
		{
			//查询某个字符串出现次数
			cout<<Query(ss)<<endl;
		}
	}
	return 0;
}

• 由以上代码看出：

  • 前缀树是一个牺牲空间换取时间的算法，其son[N][26]每层存1个字符，故图上虽然显示多个结点在同一层，但实际上，每一层有26个结点，但只有一个结点用上。
  • cnt[]用于统计第几层有单词，单词出现次数。

• 字典树的应用广泛，是后续的回文树，AC自动机等算法的基础。

• 常见的应用场景有：

  • 字符串的快速检索，时间复杂度为$O(logM)，M为字符串长度$
  • 字符串排序
  • 求单词的最长公共前缀。
  • 求N个整数的最大异或对。