leetCode Trie树的使用汇总

已于 2023-03-25 20:09:40 修改
阅读量69 收藏
点赞数
分类专栏： leetcode刷题 文章标签： java leetcode 开发语言 算法 Powered by 金山文档
于 2023-03-25 20:00:02 首次发布
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/qq_30429435/article/details/129589692
版权

208. 实现 Trie (前缀树)

剑指 Offer II 062. 实现前缀树

实现前缀树

class Trie {
    class TrieNode {
        boolean end;
        TrieNode[] tns = new TrieNode[26];
    }

    TrieNode root;
    public Trie() {
        root = new TrieNode();
    }

    public void insert(String s) {
        TrieNode p = root;
        for(int i = 0; i < s.length(); i++) {
            int u = s.charAt(i) - 'a';
            if (p.tns[u] == null) p.tns[u] = new TrieNode();
            p = p.tns[u]; 
        }
        p.end = true;
    }

    public boolean search(String s) {
        TrieNode p = root;
        for(int i = 0; i < s.length(); i++) {
            int u = s.charAt(i) - 'a';
            if (p.tns[u] == null) return false;
            p = p.tns[u]; 
        }
        return p.end;
    }

    public boolean startsWith(String s) {
        TrieNode p = root;
        for(int i = 0; i < s.length(); i++) {
            int u = s.charAt(i) - 'a';
            if (p.tns[u] == null) return false;
            p = p.tns[u]; 
        }
        return true;
    }
}

剑指 Offer II 063. 替换单词

648. 单词替换

class Solution {
  public  String replaceWords(List<String> dictionary, String sentence) {
      WordDictionary wd = new WordDictionary();
        for (int i = 0; i < dictionary.size(); i++) {
            wd.addWord(dictionary.get(i));
        }
        final String[] s = sentence.split(" ");
        for (int i = 0; i < s.length; i++) {
            s[i] = wd.searchDict(s[i]);
        }
        StringBuffer sb = new StringBuffer();
        for (int i = 0; i <s.length; i++) {
            sb.append(s[i]).append(" ");
        }
        return sb.toString().trim() ;
    }
}

public class WordDictionary {

    TrieNode root;

    class TrieNode {
        private TrieNode[] nodes;
        public int value;
        public boolean isWord;

        public TrieNode() {
            nodes = new TrieNode[26];
        }
    }

    public WordDictionary() {
        root = new TrieNode();
    }
    
    //添加单词
    public void addWord(String word) {
        addWord(word,0);
    }

    public void addWord(String word,int value) {
        TrieNode node = root;
        for (int i = 0; i < word.length(); i++) {
            if (node.nodes[word.charAt(i) - offset] == null) {
                node.nodes[word.charAt(i) - offset] = new TrieNode();
            }
            node = node.nodes[word.charAt(i) - offset];
        }
        node.value=value;
        node.isWord = true;
    }
    //搜索单词前缀
    public String searchDict(String prefix) {
        String  result = prefix;
        TrieNode node = root;
        for (int i = 0; i < prefix.length()&&node!=null ; i++) {
            node =  node.nodes[prefix.charAt(i)-offset];
             if (node==null){
                 return prefix;
             }else if (node.isWord){// 
                 return  prefix.substring(0,i+1);
            }
        }
        //当查询的单词中含有通配符时
        return result;
    }
}

677. 键值映射

剑指 Offer II 066. 单词之和

class MapSum {
    WordDictionary wd;
    /** Initialize your data structure here. */
    public MapSum() {
        wd = new WordDictionary();
    }

    public void insert(String key, int val) {
        wd.addWord(key,val);
    }

    public int sum(String prefix) {
        return wd.searchPrefix(prefix);
    }
}


class WordDictionary {
    int offset = 97;
    TrieNode root;

    class TrieNode {

        private TrieNode[] nodes;
        public int value;
        public boolean isWord;

        public TrieNode() {
            nodes = new TrieNode[26];
        }
    }

    public WordDictionary() {
        root = new TrieNode();
    }

    public void addWord(String word,int value) {
        TrieNode node = root;
        for (int i = 0; i < word.length(); i++) {
            if (node.nodes[word.charAt(i) - offset] == null) {
                node.nodes[word.charAt(i) - offset] = new TrieNode();
            }
            node = node.nodes[word.charAt(i) - offset];
        }
        node.value=value;
        node.isWord = true;
    }


public int searchPrefix(String prefix) {
        int result = 0;
        TrieNode node = root;
        for (int i = 0; i < prefix.length() ; i++) {
              node =  node.nodes[prefix.charAt(i)-offset];
             if (node!=null){
                 result =node.value;
             }else {
                 result =0;
                 break;
             }
        }
        //计算当前节点下的数量
         if (node!=null){
           result =  nodeValue(node);
         }
        //当查询的单词中含有通配符时
        return result;
    }

    private int nodeValue(TrieNode node){
        int value =0;
        if (node==null){
            return value;
        }
       if (node.isWord){
        value =   node.value;
       };
        for (int i = 0; i < node.nodes.length; i++) {
          value+=  nodeValue(node.nodes[i]);
        }
       return value;
    }

}

面试题 16.02. 单词频率

class WordsFrequency {
  WordDictionary wd;
    public WordsFrequency(String[] book) {
      wd = new WordDictionary();
        for (int i = 0; i < book.length; i++) {
            wd.addWord1(book[i]);
        }
    }

    public int get(String word) {
      return wd.search(word);
    }
}

class WordDictionary {
    int offset = 97;
    TrieNode root;

    class TrieNode {

        private TrieNode[] nodes;
        public int value;
        public boolean isWord;

        public TrieNode() {
            nodes = new TrieNode[26];
        }
    }

    public WordDictionary() {
        root = new TrieNode();
    }

    public void addWord(String word) {
        addWord(word,0);
    }

    public void addWord(String word,int value) {
//        是否已经存在
        TrieNode node = root;
        for (int i = 0; i < word.length(); i++) {
            if (node.nodes[word.charAt(i) - offset] == null) {
                node.nodes[word.charAt(i) - offset] = new TrieNode();
            }
            node = node.nodes[word.charAt(i) - offset];
        }
        node.value=value;
        node.isWord = true;
    }

    public int search(String prefix) {
        TrieNode node = root;
        for (int i = 0; i < prefix.length()&&node!=null; i++) {
            node =  node.nodes[prefix.charAt(i)-offset];
        }
        int value=0;
        //计算当前节点下的数量
        //当查询的单词中含有通配符时
        if (node!=null&&node.isWord){
             value = node.value;
        }
        return value;
    }
}

1268. 搜索推荐系统

class Solution {
  public  List<List<String>> suggestedProducts(String[] products, String searchWord) {
       WordDictionary wd = new WordDictionary();
        for (int i = 0; i < products.length; i++) {
            wd.addWord(products[i]);
        }
        List<List<String>> lists = new ArrayList<>();
        for (int i = 1; i <searchWord.length()+1 ; i++) {
            System.out.println(searchWord.substring(0,i));
            List<String> result = wd.searchProduct(searchWord.substring(0,i));
             if (result.size()>3){
                 Collections.sort(result);
                 lists.add(result.subList(0,3));
             }else {
                 lists.add(result);
             }
        }
        return  lists;
    }
}

class WordDictionary {
    int offset = 97;
    TrieNode root;

    class TrieNode {

        private TrieNode[] nodes;
        public int value;
        public boolean isWord;

        public TrieNode() {
            nodes = new TrieNode[26];
        }
    }

    public WordDictionary() {
        root = new TrieNode();
    }

    public void addWord(String word) {
        addWord(word,0);
    }

    public void addWord(String word,int value) {
//        是否已经存在
        TrieNode node = root;
        for (int i = 0; i < word.length(); i++) {
            if (node.nodes[word.charAt(i) - offset] == null) {
                node.nodes[word.charAt(i) - offset] = new TrieNode();
            }
            node = node.nodes[word.charAt(i) - offset];
        }
        node.value=value;
        node.isWord = true;
    }

    public List<String> searchProduct(String prefix) {
        List<String> result = new ArrayList<>();
        TrieNode node = root;
        for (int i = 0; i < prefix.length()&&node!=null; i++) {
              node =  node.nodes[prefix.charAt(i)-offset];
        }
        //计算当前节点下的数量
         if (node!=null){
            nodeProduct(node,new StringBuffer(prefix),result);
         }
        //当查询的单词中含有通配符时
        return result;
    }

    private void nodeProduct(TrieNode node,StringBuffer prefix,List<String> result){
        if (node.isWord){
          result.add(prefix.toString());
        }
        for (int i = 0; i < node.nodes.length; i++) {
            if (node.nodes[i]!=null){
                prefix.append((char)(offset+i));
                nodeProduct(node.nodes[i],prefix,result);
                prefix.delete(prefix.length()-1,prefix.length());
            }
        }
    }
}

1032. 字符流


class StreamChecker {
    //字典树对象
    WordDictionary wordDictionary;
    //存放输入的字符
    StringBuffer csb;
     //初始，添加单词
    public StreamChecker(String[] words) {
        wordDictionary = new WordDictionary();
        csb = new StringBuffer();
        for (int i = 0; i < words.length; i++) {
            StringBuffer sb = new StringBuffer(words[i]);
            //添加单词市需要将单词反转，如：abc专网cba
            wordDictionary.addWord(sb.reverse().toString());
        }
    }
   //查询
   public boolean query(char letter) {
        csb.append(letter);
        //不能直接在csb上反转，需要新建StringBuffer进行反转字符串
        StringBuffer sb = new StringBuffer(csb);
        //反转字符串
        String string = sb.reverse().toString();
        boolean ans = wordDictionary.searchPrefix(string);
        return ans;
    }
}

//字典树的事项，只实现了添加单词addWord,根据前缀查询单词功能searchPrefix
public class WordDictionary {
    int offset = 97;
    TrieNode root;

    class TrieNode {
       //小写字符数组
        private TrieNode[] nodes;
        public int value;
        //是否是单词
        public boolean isWord;

        public TrieNode() {
            nodes = new TrieNode[26];
        }
    }

    public WordDictionary() {
        root = new TrieNode();
    }
    //添加单词
    public void addWord(String word) {
        addWord(word,0);
    }

    public void addWord(String word,int value) {
        TrieNode node = root;
        //添加单词字符
        for (int i = 0; i < word.length(); i++) {
            //不存在字符就新建
            if (node.nodes[word.charAt(i) - offset] == null) {
                node.nodes[word.charAt(i) - offset] = new TrieNode();
            }
            //存在直接获取当前字符
            node = node.nodes[word.charAt(i) - offset];
        }
        node.value=value;
        node.isWord = true;
    }
    //根据前缀查询单词，遇到单词就结束
    public boolean searchPrefix(String prefix) {
        TrieNode node = root;
        for (int i = 0; i < prefix.length()&&node!=null; i++) {
            node =  node.nodes[prefix.charAt(i)-offset];
            //遇到单词就返回true
            if (node!=null&&node.isWord){
                return true;
            }
        }
        //前缀不能匹配，返回 false
        return false;
    }
}

vx:小黄学编程
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
php-leetcode题解之实现Trie前缀树.zip
06-11
本资源“php_leetcode题解之实现Trie前缀树”聚焦于PHP语言，针对LeetCode中的一道经典问题——Trie（前缀树）的实现进行了解答。 Trie，也被称为字典树或前缀树，是一种用于存储字符串的数据结构，尤其适合进行...
leetcode卡-TrieTree:前缀树
07-06
前缀树，也被称为Trie树或字典树，是一种用于存储字符串的数据结构，它能够高效地进行前缀匹配查询。在LeetCode中，前缀树是解决一系列问题的关键工具，尤其是在处理字符串相关的搜索和过滤任务时。在这个“TrieTree...
LeetCode 208 实现Trie(前缀树) HERODING的LeetCode之路
HERODING23的博客
04-14 149
Trie（发音类似 “try”）或者说 前缀树 是一种树形数据结构，用于高效地存储和检索字符串数据集中的键。这一数据结构有相当多的应用情景，例如自动补完和拼写检查。 请你实现 Trie 类： Trie() 初始化前缀树对象。 void insert(String word) 向前缀树中插入字符串 word 。 boolean search(String word) 如果字符串 word 在前缀树中，返回 true（即，在检索之前已经插入）；否则，返回 false 。 boolean startsWith(S
LeetCode 实现Trie(前缀树)
codebloom的博客
04-12 138
题目描述： Trie（发音类似 “try”）或者说 前缀树 是一种树形数据结构，用于高效地存储和检索字符串数据集中的键。这一数据结构有相当多的应用情景，例如自动补完和拼写检查。 请你实现 Trie 类： Trie() 初始化前缀树对象。 void insert(String word) 向前缀树中插入字符串 word 。 boolean search(String word) 如果字符串 word 在前缀树中，返回 true（即，在检索之前已经插入）；否则，返回 false 。 boolean starts
leetcode之Trie树
fuzekun的博客
02-20 179
1.Trie树的介绍 Trie树定义 没错他就是这样的一个树 红色表示是一个单词， 白色表示前缀。 Trie树的应用 Trie树 2.Trie树代码 3.实例 leetcode中208, Trie树的实现 注意：可以理解为边存的是字母而点存的是isWord, 所以是在遍历完所有字母后，再次进行判断是否为单词。 class Trie { private: bool isEnd; Trie *next[26]; public: /** Initialize your da
LeetCode-Trie树
hclbeloved的博客
02-16 187
1 Trie树 1.1 简介 Trie 树，也叫“字典树”。顾名思义，它是一个树形结构。它是一种专门处理字符串匹配的数据结构，用来解决在一组字符串集合中快速查找某个字符串的问题。 1.2 实现 Trie 树是一个多叉树，具体实现如下： // TrieTree.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。 // #include <string.h> class Trie { public: Trie() { roo...
208_实现Trie(前缀树)
weixin_41529389的博客
01-04 156
""" 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("ap...
LeetCode：LeetCode刷题汇总
02-18
在本资源"LeetCode刷题汇总"中，你将找到一个可能包含作者个人解决LeetCode问题的C++代码库。这个压缩包`LeetCode-main`可能包含了多个C++源文件，每个文件对应于LeetCode上的一道题目。 在刷LeetCode的过程中，你...
leetcode-python答案汇总,呕血总结
10-08
leetcode-python答案汇总,呕血总结. You are never too old to learn.
leetcode：leetcode刷题汇总
02-21
本仓库用于记录在leetcode上做题解，全部代码使用typescript书写（如果有些题不支持typescript书写会先使用javascript代替，然后使用typecipt写入），暂时不提供测试用例，只使用记录答案，后续可能重新测试用例补上...
LeetCode 527. 单词缩写（Trie树）
Michael是个半路程序员
08-12 986
文章目录1. 题目2. 解题 1. 题目 给定一个由n个不重复非空字符串组成的数组，你需要按照以下规则为每个单词生成最小的缩写。 初始缩写由起始字母+省略字母的数量+结尾字母组成。 若存在冲突，亦即多于一个单词有同样的缩写，则使用更长的前缀代替首字母，直到从单词到缩写的映射唯一。换而言之，最终的缩写必须只能映射到一个单词。 若缩写并不比原单词更短，则保留原样。 示例: 输入: ["like", "god", "internal", "me", "internet", "interval", "inten
【Leetcode】字典树（Trie树）算法
小朱小朱绝不认输的博客
05-16 2626
在Trie树（字典树&前缀树）了解了数据结构构建的方法，这篇文章通过实例来对Trie树算法进行训练。 文章目录208. 实现 Trie (前缀树)1. 题目描述2. 思路分析3. 参考代码820. 单词的压缩编码1. 题目描述2. 思路分析3. 参考代码面试题 17.13. 恢复空格1. 题目描述2. 思路分析3. 参考代码211. 添加与搜索单词 - 数据结构设计1. 题目描述2. 思路分析3. 参考代码676. 实现一个魔法字典1. 题目描述2. 思路分析3. 参考代码 简单再回顾一下Trie树
LeetCode 208：实现Trie（前缀树）——C#实现
weixin_43149049的博客
02-09 284
因为了解红点系统要了解前缀树，这里转载一篇言简意赅的文章 题目： 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.inse
[LeetCode]Implement Trie(Prefix Tree)，解题报告
小一的专栏
05-15 6153
目录目录 概述 Trie树基本实现 定义Trie树节点 添加操作 查询word是否在Trie树中 AC完整代码概述Trie树，又称为字典树、单词查找树或者前缀树，是一种用于快速检索的多叉数结构。例如，英文字母的字典树是26叉数，数字的字典树是10叉树。 Trie树的基本性质有三点，归纳为： 根节点不包含字符，根节点外每一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
leetcode ----Trie/stack专题
小村长技术blog
06-05 1733
一：Implement Trie (Prefix Tree) 题目： Implement a trie with insert, search, and startsWith methods. Note: You may assume that all inputs are consist of lowercase letters a-z. 分析：此题是典型的trie树，
分门别类刷leetcode——高级数据结构（字典树，前缀树，trie树，并查集，线段树）
一直走，不要回头
01-28 1208
Trie树(字典树、前缀树）的基础知识 字典树是一种有序的，用于统计、排序和存储字符串的数据结构，他与二叉查找树不同，关键字不是直接保存在节点中，而是由节点在树中的位置决定，每个节点代表了一个字符，从第一层孩子节点到中间的某个标记的节点代表了存储的字符串。 一个节点的所有子孙都有相同的前缀，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字符串，只有叶子节点和部分内部节点进...
LeetCode之Trie题目汇总
Yano_nankai的博客
12-30 963
Implement Trie (Prefix Tree)Implement a trie with insert, search, and startsWith methods.Note: You may assume that all inputs are consist of lowercase letters a-z. class TrieNode { boolean i
leetcode笔记_Trie相关问题
coding
11-19 247
208. 实现 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...
Leetcode:208.前缀树
qq_23523409的博客
11-23 470
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...
leetcode sql会员题目汇总
最新发布
03-16
leetcode sql会员题目汇总包括以下题目： 1. 第N高的薪水 2. 从不订购的客户 3. 超过经理收入的员工 4. 员工奖金 5. 第二高的薪水 6. 分数排名 7. 连续出现的数字 8. 部门工资最高的员工 9. 交换工资 10. 员工考勤...
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