字典树 前缀树 Trie

最新推荐文章于 2021-11-24 11:34:48 发布
最新推荐文章于 2021-11-24 11:34:48 发布
阅读量101 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/mengmengkuaipao/article/details/102319452
版权

字典树

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述isword是否是一个单词，字母是不是到了结尾

package Trie;

import java.util.TreeMap;

public class Trie {
    
	private class Node{
		public boolean isword;
		public TreeMap<Character,Node> next; //映射
		
		public Node(boolean isWord) {//用户传来isword 构造函数
			this.isword=isword;
			next=new TreeMap<>();
			
		}
		public Node() {//用户不传
			this(false);//默认false
		}
	}
	private Node root;
	private int size;
	
	public Trie() {
		root=new Node();
		size=0;
	}
	
	//获得Trie中存储的单词数量
	public int getSize() {
		return size;
	}
	//向Trie中添加新的单词word
	//没必要保存每个节点相应字符
	public void add(String word) {//添加字符串，把字符串拆成字符
		Node cur=root;           //一个个字符做成一个个节点 
		for(int i=0;i<word.length();i++) {
			char c=word.charAt(i); //每次取出一个字符
			if(cur.next.get(c)==null)
				cur.next.put(c,new Node());
			cur=cur.next.get(c);
		}
		if(!cur.isword) {
		    cur.isword=true;
		    size++;
		}
	}

Trie查询

//查询单词word是否在Trie中
	public boolean contains(String word) {
		Node cur=root;
		for(int i=0;i<word.length();i++) {
			char c=word.charAt(i);
			if(cur.next.get(c)==null)
				return false;
			cur=cur.next.get(c);
		}
		return cur.isword;
		
	}

Trie前缀搜索

//查询是否在Trie中有单词以prefix为前缀
	public boolean isPrefix(String prefix) {
		Node cur=root;
		for(int i=0;i<prefix.length();i++) {
			char c=prefix.charAt(i);
			if(cur.next.get(c)==null)
				return false;
			cur=cur.next.get(c);
		}
		return true;
	}

leetcode208 实现一个 Trie (前缀树)

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

示例:

Trie trie = new Trie();

trie.insert(“apple”);
trie.search(“apple”); // 返回 true
trie.search(“app”); // 返回 false
trie.startsWith(“app”); // 返回 true
trie.insert(“app”);
trie.search(“app”); // 返回 true
说明:
你可以假设所有的输入都是由小写字母 a-z 构成的。
保证所有输入均为非空字符串。

class Trie {
    
    private class Node{
		public boolean isword;
		public TreeMap<Character,Node> next; //映射
		
		public Node(boolean isWord) {//用户传来isword 构造函数
			this.isword=isword;
			next=new TreeMap<>();
			
		}
		public Node() {//用户不传
			this(false);//默认false
		}
	}
    
    private Node root;
    /** Initialize your data structure here. */
    public Trie() {
        root=new Node();
		          
    }
    
    /** Inserts a word into the trie. */
    public void insert(String word) {
        Node cur=root;           //一个个字符做成一个个节点 
		for(int i=0;i<word.length();i++) {
			char c=word.charAt(i); //每次取出一个字符
			if(cur.next.get(c)==null)
				cur.next.put(c,new Node());
			cur=cur.next.get(c);
		}
		if(!cur.isword) {
		    cur.isword=true;
		   
		}   
    }
    
    /** Returns if the word is in the trie. */
    public boolean search(String word) {
        Node cur=root;
		for(int i=0;i<word.length();i++) {
			char c=word.charAt(i);
			if(cur.next.get(c)==null)
				return false;
			cur=cur.next.get(c);
		}
		return cur.isword;        
    }
    
    /** Returns if there is any word in the trie that starts with the given prefix. */
    public boolean startsWith(String prefix) {
        Node cur=root;
		for(int i=0;i<prefix.length();i++) {
			char c=prefix.charAt(i);
			if(cur.next.get(c)==null)
				return false;
			cur=cur.next.get(c);
		}
		return true;    
    }
}

/**
 * Your Trie object will be instantiated and called as such:
 * Trie obj = new Trie();
 * obj.insert(word);
 * boolean param_2 = obj.search(word);
 * boolean param_3 = obj.startsWith(prefix);
 */

leetcode211 添加与搜索单词 - 数据结构设计（有通配符‘.’）

设计一个支持以下两种操作的数据结构：

void addWord(word)
bool search(word)
search(word) 可以搜索文字或正则表达式字符串，字符串只包含字母 . 或 a-z 。 . 可以表示任何一个字母。

示例:

addWord(“bad”)
addWord(“dad”)
addWord(“mad”)
search(“pad”) -> false
search(“bad”) -> true
search(".ad") -> true
search(“b…”) -> true
说明:

你可以假设所有单词都是由小写字母 a-z 组成的。

在这里插入图片描述

class WordDictionary {

    /** Initialize your data structure here. */
     private class Node{
		public boolean isword;
		public TreeMap<Character,Node> next; //映射
		
		public Node(boolean isWord) {//用户传来isword 构造函数
			this.isword=isword;
			next=new TreeMap<>();
			
		}
		public Node() {//用户不传
			this(false);//默认false
		}
	}
    
    private Node root;
    
    
    
    public WordDictionary() {
       root=new Node();   
    }
    
    /** Adds a word into the data structure. */
    public void addWord(String word) { //同trie一样
         
        Node cur=root;           //一个个字符做成一个个节点 
		for(int i=0;i<word.length();i++) {
			char c=word.charAt(i); //每次取出一个字符
			if(cur.next.get(c)==null)
				cur.next.put(c,new Node());
			cur=cur.next.get(c);
		} 
		if(!cur.isword) {
		    cur.isword=true;
		   
		}       
    }
    
    /** Returns if the word is in the data structure. A word could contain the dot character '.' to represent any one letter. */
    public boolean search(String word) { //遍历多叉树 递归
        return match(root,word,0);
    }
    private boolean match(Node node,String word,int index){//node为根，基于word字符串，index字符位置
        if(index==word.length())//递归到底 终止条件
            return node.isword;
        char c=word.charAt(index);
        if(c!='.'){
            if(node.next.get(c)==null) //在node中的next是否有c对应的节点
                return false;
            return match(node.next.get(c),word,index+1); //继续匹配后面
        } 
        else{
            for(char nextChar:node.next.keySet())//遍历node.next中对应的所有映射
                if(match(node.next.get(nextChar),word,index+1))
                    return true;
            return false;
        }
        
        
    }
}

/**
 * Your WordDictionary object will be instantiated and called as such:
 * WordDictionary obj = new WordDictionary();
 * obj.addWord(word);
 * boolean param_2 = obj.search(word);
 */

leetcode 677 键值映射

实现一个 MapSum 类里的两个方法，insert 和 sum。

对于方法 insert，你将得到一对（字符串，整数）的键值对。字符串表示键，整数表示值。如果键已经存在，那么原来的键值对将被替代成新的键值对。

对于方法 sum，你将得到一个表示前缀的字符串，你需要返回所有以该前缀开头的键的值的总和。

示例 1:

输入: insert(“apple”, 3), 输出: Null
输入: sum(“ap”), 输出: 3
输入: insert(“app”, 2), 输出: Null
输入: sum(“ap”), 输出: 5

class MapSum {
    
    
     private class Node{
		
 //       public boolean isword; 可不要
        public int value; 
		public TreeMap<Character,Node> next; //映射
		
		public Node(int value) { //用户传来 构造函数
			this.value=value;
			next=new TreeMap<>();
			
		}
		public Node() {//用户不传
			this(0); //默认false
		}
	}
    private Node root;
    
    
    /** Initialize your data structure here. */
    public MapSum() {
        root=new Node();
    }
    
    public void insert(String word, int val) { //添加逻辑一样
        
        Node cur=root;           //一个个字符做成一个个节点 
		for(int i=0;i<word.length();i++) {
			char c=word.charAt(i); //每次取出一个字符
			if(cur.next.get(c)==null)
				cur.next.put(c,new Node());
			cur=cur.next.get(c);
		} 
		cur.value=val;
		   
		        
    }
    
    public int sum(String prefix) {
        Node cur=root;
        for(int i=0;i<prefix.length();i++){
            char c=prefix.charAt(i);
            if(cur.next.get(c)==null)
                return 0;
            cur=cur.next.get(c);
        }//跳出循环后，cur指向前缀最后一个节点
        
        return sum(cur);
        
    }
        //遍历cur为根节点的多叉树，找到其中所有的表示单词的节点，加起来(递归)
        
        private int sum(Node node){
            int res=node.value;
            for(char c:node.next.keySet())
                res+= sum(node.next.get(c));
            
            
            return res;
            
        }
    
}

/**
 * Your MapSum object will be instantiated and called as such:
 * MapSum obj = new MapSum();
 * obj.insert(key,val);
 * int param_2 = obj.sum(prefix);
 */

Trie删除操作

压缩字典树

在这里插入图片描述

三分搜索树

在这里插入图片描述

萌萌，站起来
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
[LeetCode] Add and Search Word - Data structure design | 带通配符的前缀树搜索
Sari_2015的博客
06-02 156
https://leetcode.com/problems/add-and-search-word-data-structure-design/#/description Prefix Tree的构建和查找。 插入单词的时候，挨个字符插入即可，记得最后做个标记（表示到这里是一个完整的单词） 查找某个单词，由于有通配符.的存在，稍微麻烦一些。没碰到.时，按照前缀树的一般查找方法挨个往下查...
Trie树和前缀匹配
yyfaith的博客
04-03 1518
Trie树和前缀匹配Trie树根节点不包含字符，除根节点外其他每个节点都只包含一个字符。从根节点到某一节点，路径上经过的字符连接起来，为该节点对应的字符串。每个节点的子节点包含的字符都不同。父节点保存孩子节点的方式，有两种：1、链表，2、数组。Trie树本质上是一个确定有限状态机。...
poj 1816 trie树+dfs(强烈推荐，含有通配符的匹配)
weixin_30611509的博客
09-18 763
这个题目花了我一晚上才调出来，其实也不难，就是在trie树上搜索给定的单词，但是麻烦的一点是考虑的情况非常多，比如模式串可能重复，或者*？连续出现，最开始都没考虑，程序敲出来直接提交一看WA，然后看discuss里面，说模式可能重复我才知道情况比我想的要复杂，重新该了下程序，还是WA，主要是没考虑到情况*后面忘了判断有无*或者？的情况，最后WA了好几次才A的，程序跑了235M,前30呢，哈哈，多亏...
字典树的插入、查询、前缀查询、模糊查询
lanshan1111的博客
12-18 550
package jjd; import java.util.TreeMap; public class Trie { public class Node { private boolean isWord; private TreeMap&lt;Character, Node&gt; next; public Node(boolean isWord) { this.isW...
[211]. 添加与搜索单词 - 数据结构设计（字典树支持匹配查询）
Debroon
11-24 469
添加与搜索单词 - 数据结构设计题目函数原型字典树支持通配符查询   题目 题目：https://leetcode-cn.com/problems/design-add-and-search-words-data-structure/   函数原型 class WordDictionary { public: WordDictionary() {} void addWord(string word) {} bool search(string word) .
DT_字典树前缀推荐_源码
10-04
在“DT_字典树前缀推荐_源码”中，我们可以推断出该压缩包包含了一套用于实现前缀推荐的源代码。这种推荐系统通常的工作流程是： 1. **构建字典树**：首先，我们需要从给定的数据集（例如，用户历史搜索记录或商品...
详解字典树Trie结构及其Python代码实现
09-21
字典树，也称为Trie，是一种特殊的树形数据结构，主要用于快速查找和统计具有公共前缀的字符串。这种数据结构在处理大量字符串时特别有用，例如在搜索引擎的文本词频统计、搜索建议和拼写检查等场景中。Trie的主要...
Trie树(字典树)的介绍及Java实现
08-31
Trie树，也被称为字典树或前缀树，是一种数据结构，主要用于高效地存储和检索字符串集合中的数据。在Trie树中，每个节点代表一个字符串的前缀，从根节点到某个节点的路径上的字符序列构成了该节点对应的字符串。这种...
PHP字典树(Trie树)定义与实现方法示例
10-19
字典树，又称为Trie树或前缀树，是一种高效的数据结构，主要用于存储和检索具有公共前缀的字符串。这种数据结构能够大大减少字符串比较的次数，提高查询效率，尤其在处理大量字符串时效果显著。在搜索引擎系统中，...
Java实现字典树TrieTree
08-19
在计算机科学中，字典树（也称为前缀树或TrieTree）是一种高效的数据结构，主要用于存储字符串集合。它能够快速地进行关键词查找、插入和删除操作，尤其适合于处理大量的词汇数据，如在四六级英语考试的高频词汇查询...
字符串问题---字典树（前缀树）的实现
冰殇的博客
08-31 1245
【题目】　　字典树又称为前缀树或者Trie树，是处理字符串常用的数据结构。假设组成所有单词的字符仅是‘a’～‘z’，请实现字典树的结构，并包含以下四个主要的功能。 void insert(String word)：添加word，可重复添加 void delete(String word)：删除word，如果word添加过多次，仅删除一次 boolean search(String word)：查询w
【图解算法】模板+变式——带你彻底搞懂字典树(Trie树)
热门推荐
丧心病狂Loli控的博客
07-12 1万+
  啥是字典树？ 【字典树】(Trie Tree) 是一种树形结构，是一种哈希树的变种。典型应用是用于统计，排序和保存大量的字符串（但不仅限于字符串）。 它的优点是：利用字符串的公共前缀来减少查询时间，最大限度地减少无谓的字符串比较，查询效率比哈希树高。                                                     ——百度 · 百科 so？所以到底什么是字典树？   还好，它还有其他的名字，更能表述出它的实质： 前缀树、单词查找树 &nbs
Trie 树（字典树/前缀树）实现 Java
MachineRandy
11-15 810
Trie 树： 在计算机科学中，trie，又称前缀树或字典树，是一种有序树，用于保存关联数组，其中的键通常是字符串。与二叉查找树不同，键不是直接保存在节点中，而是由节点在树中的位置决定。一个节点的所有子孙都有相同的前缀，也就是这个节点对应的字符串，而根节点对应空字符串。一般情况下，不是所有的节点都有对应的值，只有叶子节点和部分内部节点所对应的键才有相关的值。（摘自 https://zh.wikip...
字典树 —— 字符串分析算法
三钻 - 之前端到全栈之路
11-19 3310
这篇文章我们就来一起学习，剩下的几个字符串中比较细节的算法。
golang 匹配 url_golang web开发——参数绑定(中)之Trie支持通配符匹配
weixin_31265041的博客
12-27 888
背景上一篇文章，我们使用golang实现了一个简单但又实用的数据结构Trie，在日常工作中，我们也会有很多机会用到这样的数据结构，但是为了完成我们之前说的URI通配符匹配的问题，我们还需要稍微修改一下代码，这样才能达到我们的目的修改1.数据结构定义的修改之前的节点如果要说匹配规则的话，可以说是"equals"匹配，都是默认属性，现在需要修改成通配符匹配，所以我们需要给Node增加一个属性，其次如果...
数据结构——从英文字典树到中文字典树
千里之行，始于足下
08-09 9314
昨天面试电话中的一道题，题目如下：给你一个姓名的集合，查找你的名字是否在里面出现，比如搜索姓氏为叶的人，那么会出现所有姓为叶的人，应该如何设计？ 当时的回答是，姓为key，名为value，存放到multimap中，使用multimap中的count函数统计key为叶的个数，然后用find函数找到第一个key为叶的指针，使用迭代器从该指针向后查找count个元素，判断这count个元素中是否有姓名
字典树的运用，实现字符串的精确匹配与模糊匹配
breakpoints_的博客
04-20 3708
背景 实现 项目里面的一个 字符串检索功能（无关业务，只写实现，后续 需要融入项目，会把树生成一段二进制blob 放到内存，变长的字节储存listsize 以及一些偏移 会重新构造搜索算法，预计一周后会继续与大家分享） 需求 现有一棵树（普通树）有10w个字符串，索引为ID，现要实现2个功能 1： 给定一字符串快速查找该字符串的位置 2：输入一字符串 每输入...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值