Trie树（前缀树/字典树）的介绍与实现方法

1.Trie树介绍

Trie树，又叫字典树、前缀树，被广泛的应用在字符串匹配，搜索引擎关键词联想等问题上。

Trie树是一种多叉树，具有以下性质:

• root节点不代表字符，除了根节点以外的所有节点每个都代表一个字符
• 从根节点遍历到任意一个节点，遍历到的所有节点代表的字符连起来为该路径代表的字符串
• 每个节点的孩子节点代表的字符串各自不相同

因此可以发现，前缀树把字符串存储在数的遍历路径上，而非节点上。拥有相同前缀的字符串对应的遍历前缀路径相同，这样在业务中涉及大量拥有相同前缀的字符串时可以大量复用空间，节省开销。

By the way， 通常在设计前缀树节点的时候回加入一个数值来记录字符串的词频，同时可以标记该路径是一个前缀还是实际的单词。

2.Trial树的优缺点

Trie树的核心思想是用空间换时间，利用字符串大量存在的公共前缀来减少无谓的字符串比较，从而达到提高查询效率的目的。

2.1 优点

1. 插入和查询的效率很高，$T(n)=O(k)$,$k$为要插入和查询的字符串长度
2. 相比较hash表或者hash树，不同的关键字之间不会发生冲突
3. 不需要求hash值，对于短字符串较多的场景有明显优势
4. 很好地支持了对关键字按照字典序排列

2.2 缺点

1. 相比于hash方法，如果场景能够使用的hash函数足够好的话，Trie树查找的效率远低于hash方法
2. 每个节点的孩子节点为字符表的长度，空间开销大

3.Trie的典型应用

3.1 字符串检索

从根节点向下遍历，如果字符串所有字符都有匹配的话，检查最后一个节点的标志（词频），判断是一个前缀还是一个实际的单词。

3.2 词频统计

同3.1进行字符串的检索，通过最后一个节点的标志来获得出现的词频。

3.3 字符串排序

Trie树可以对大量字符串按字典序进行排序，思路也很简单：遍历一次所有关键字，将它们全部插入trie树，树的每个结点的所有孩子很显然地按照字母表排序，然后先序遍历输出Trie树中所有关键字即可。

3.4 前缀匹配

移动指针到指定前缀路径开头节点，然后输出所有遍历结果即可。

3.5作为其他数据结构和算法的辅助结构

后缀树，AC自动机…

4.Trie树的实现（LeetCode208）

class Trie {
private:
    // 节点定义
    struct TrieNode
    {
        // 统计词频
        int count;
        // 子节点
        TrieNode* children[26];
    };
    // 根节点
    TrieNode* root;
    //　创建节点
    TrieNode* createTrieNode()
    {
        TrieNode* node = new(TrieNode);
        node->count = 0;
        for(int i = 0; i < 26;i++)
        {
            node->children[i] = NULL;
        }
        return node;
    }
public:
    // 类的初始化
    Trie() {
        root = createTrieNode();
    }
    
    // 字符串插入
    void insert(string word) {
        TrieNode* p = root;
        for(int i = 0; i < word.size();i++)
        {
            if(p->children[word[i]-'a'] == NULL)
            {
                p->children[word[i]-'a'] = createTrieNode();
                p = p->children[word[i]-'a'];
            }
            else
            {
                p = p->children[word[i]-'a'];
            }
            if(i == word.size()-1)
            {
                p->count += 1;
            }
        }
    }
    
    // 字符串查询
    bool search(string word) {
        TrieNode* p = root;
        for(int i = 0; i < word.size();i++)
        {
            if(p->children[word[i]-'a'] == NULL) return false;
            else p = p->children[word[i]-'a'];
            if(i == word.size() - 1)
            {
                if(p -> count == 0) return false;
                else return true;
            }
        }
        return false;
    }
    
    // 前缀匹配
    bool startsWith(string prefix) {
        TrieNode* p = root;
        for(int i = 0; i < prefix.size();i++)
        {
            if(p->children[prefix[i]-'a'] == NULL) return false;
            else p = p->children[prefix[i]-'a'];
        }
        return true;
    }
};