第10章 Trie字典树（Leetcode原题）

第十章 Trie字典树

10-1 什么是Trie字典树
10-2 Trie字典树基础
10-3 Trie字典树的查询
10-4 Trie字典树的前缀查询
10-5 Trie字典树和简单的模式匹配
10-6 Trie字典树和字符串映射
10-7 更多和Trie字典树相关的话题

---

10-1 什么是Trie字典树
Trie字典树（前缀树）：之前介绍的二分搜索树，堆，线段树都是二叉树，而字典树是多叉树。例如通讯录，字典。

Trie字典树将整个字符串以字母为单位一个一个拆开，从根节点开始一直到叶子节点去遍历，每遍历到一个叶子节点就形成了一个单词。比如下图中，每个节点有26个指向下个节点的指针（英文字母26个）:

但考虑不同的语言（中文西班牙语etc），不同的情境（考虑大小写，网址，邮件地址等等），因此：

• 每个节点有若干指向下一个节点的指针

class Node {
boolean isWord;
Map < char, Node > next;
}

10-2 Trie字典树基础

import java.util.TreeMap;
public class Trie {
    private class Node{
        public boolean isWord;
        public TreeMap<Character, Node> next;
        public Node(boolean isWord){
            this.isWord = isWord;
            next = new TreeMap<>();
        }
        public Node(){
            this(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中添加一个新的单词word
    public void add(String word){
        Node cur = root;
        for(int i = 0 ; i < word.length() ; i ++){
            char c = word.charAt(i);
            if(cur.next.get(c) == null)
                cur.next.put(c, new Node());
            cur = cur.next.get(c);
        }
        if(!cur.isWord){
            cur.isWord = true;
            size ++;
        }
    }
}

10-3 Trie字典树的查询
对于Trie来说，它只能存储字符串这样的元素相应的集合，而基于二分搜索树实现的集合可以存储任意元素。Trie添加和查询字符串的长度有关，与有多少个字符串无关。

  // 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;
    }
}

本节视频中有将Trie和BST进行比较，有需要的话可以再看一下视频。合理规划时间。

10-4 Trie字典树的前缀查询

  // 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;
    }
}

接下来有一个leetcode相关题目：
Leetcode-208 实现Trie（前缀树）

代码实现如下：

import java.util.TreeMap;
public class Trie208 {
    private class Node{
        public boolean isWord;
        public TreeMap<Character, Node> next;
        public Node(boolean isWord){
            this.isWord = isWord;
            next = new TreeMap<>();
        }
        public Node(){
            this(false);
        }
    }
    private Node root;
    public Trie208(){
        root = new Node();
    }
    // 向Trie中添加一个新的单词word
    public void insert(String word){
        Node cur = root;
        for(int i = 0 ; i < word.length() ; i ++){
            char c = word.charAt(i);
            if(cur.next.get(c) == null)
                cur.next.put(c, new Node());
            cur = cur.next.get(c);
        }
        cur.isWord = true;
    }

    // 查询单词word是否在Trie中
    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;
    }

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

10-5 Trie字典树和简单的模式匹配
Leetcode-211 添加与搜索单词 - 数据结构设计

• 具体的编程实践：
  Node：Trie节点的定义
  addWord：从头到尾扫描一下这个word的所有字符，对于每个字符，来查找一下当前的节点它所对应的next中是否存在这个字符对应的下一个节点的映射，如果不存在就创建一个。之后就来到这个字符所对应的下一个节点的映射，以此类推。
  search（重点）：在最坏的情况下，这个word里全都是点“ . ”，此时我们就需要遍历整个Trie多叉树，因此我们写一个私有的递归函数 match.

import java.util.TreeMap;
public class WordDictionary {
    private class Node{
        public boolean isWord;
        public TreeMap<Character, Node> next;
        public Node(boolean isWord){
            this.isWord = isWord;
            next = new TreeMap<>();
        }
        public Node(){
            this(false);
        }
    }
    
    private Node root;
    /** Initialize your data structure here. */
    public WordDictionary() {
        root = new Node();
    }
    /** Adds a word into the data structure. */
    public void addWord(String word) {
        Node cur = root;
        for(int i = 0 ; i < word.length() ; i ++){
            char c = word.charAt(i);
            if(cur.next.get(c) == null)
                cur.next.put(c, new Node());
            cur = cur.next.get(c);
        }
        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) {
        return match(root, word, 0);
    }
    private boolean match(Node node, String word, int index){
        if(index == word.length())
            return node.isWord;
        char c = word.charAt(index);
        if(c != '.'){
            if(node.next.get(c) == null)
                return false;
            return match(node.next.get(c), word, index + 1);
        }
        else{
            for(char nextChar: node.next.keySet())
                if(match(node.next.get(nextChar), word, index + 1))
                    return true;
            return false;
        }
    }
}

10-6 Trie字典树和字符串映射
Leetcode-677 键值映射

import java.util.TreeMap;
public class MapSum {
    private class Node{
        public int value;
        public TreeMap<Character, Node> next;
        public Node(int value){
            this.value = value;
            next = new TreeMap<>();
        }
        public Node(){
            this(0);
        }
    }
    private Node root;
    /** Initialize your data structure here. */
    public MapSum() {
        root = new Node();
    }
    public void insert(String key, int val) {
        Node cur = root;
        for(int i = 0 ; i < key.length() ; i ++){
            char c = key.charAt(i);
            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);
        }
        return sum(cur);
    }
    private int sum(Node node){
        int res = node.value;
        for(char c: node.next.keySet())
            res += sum(node.next.get(c));
        return res;
    }
}

10-7 更多和Trie字典树相关的话题
实不相瞒这一章没有非常仔细的做笔记，这次是第一遍记笔记，接下来到复习的时候，会重新学习这里。
Trie删除操作
Trie的局限性：最大的问题是空间！
压缩字典树 compressed Trie
Ternary search trie
字符串模式识别，后缀树，子串查询(KMP, Boyer-Moore, Rabin-Karp)，文件压缩，模式匹配，编译原理，DNA