定义
又称单词查找树,字典树,Trie树,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),所以经常被搜索引擎系统用于文本词频统计。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。
这是一颗存储了see, pain, pand和dog四个单词的前缀树
如果不考虑字母的大小写,那么Trie字典树的每个节点都可能有26个子节点。
Trie的常用操作(构造、查找单词和查找前缀)
删除操作用的较少,我就不写了
构造时每个节点都要加上一个is_word属性,用于判断是否为单词。如文章开头的定义图,这棵树里面已经有pand这个单词了,如果用户去查询pan这个单词返回的是false,所以要给每个单词的结尾设置一个is_word属性,如果n的is_word为true,那么就说明树里面包含了pan单词。
代码如下:
public class Trie {
private boolean is_word=false;
private Trie next[]=new Trie[26];
public Trie(){}
public void insert(String word){//插入单词
Trie root=this;
for(char w:word.toCharArray()){
if(root.next[w-'a']==null)root.next[w-'a']=new Trie();
root=root.next[w-'a'];
}
root.is_word=true;
}
public boolean search(String word){//查找单词
Trie root=this;
for(char w:word.toCharArray()){
if(root.next[w-'a']==null)return false;
root=root.next[w-'a'];
}
return root.is_word;
}
public boolean startsWith(String prefix){//查找前缀
Trie root=this;
for(char w:prefix.toCharArray()){
if(root.next[w-'a']==null)return false;
root=root.next[w-'a'];
}
return true;
}
}
应用
事实上Trie树在日常生活中的使用随处可见。它的优点是:最大限度地减少无谓的字符串比较,查询效率比哈希表高。 Trie的核心思想是空间换时间,适用于大规模的数据。
1、前缀匹配
例如:找出一个字符串集合中所有以 五分钟 开头的字符串。我们只需要用所有字符串构造一个 trie树,然后输出以 五−>分−>钟 开头的路径上的关键字即可。 trie树前缀匹配常用于搜索提示。如当输入一个网址,可以自动搜索出可能的选择。当没有完全匹配的搜索结果,可以返回前缀最相似的可能
2、字符串检索
给出 N 个单词组成的熟词表,以及一篇全用小写英文书写的文章,按最早出现的顺序写出所有不在熟词表中的生词。 检索/查询功能是Trie树最原始的功能。给定一组字符串,查找某个字符串是否出现过,思路就是从根节点开始一个一个字符进行比较:如果沿路比较,发现不同的字符,则表示该字符串在集合中不存在。如果所有的字符全部比较完并且全部相同,还需判断最后一个节点的标志位(标记该节点是否代表一个关键字)。
例题
1、677-键值映射
实现一个 MapSum 类,支持两个方法,insert 和 sum:
- MapSum() 初始化 MapSum 对象
- void insert(String key, int val) 插入 key-val 键值对,字符串表示键 key ,整数表示值 val 。如果键 key 已经存在,那么原来的键值对将被替代成新的键值对。
- int sum(string prefix) 返回所有以该前缀 prefix 开头的键 key 的值的总和。
示例:
输入:
["MapSum", "insert", "sum", "insert", "sum"]
[[], ["apple", 3], ["ap"], ["app", 2], ["ap"]]
输出:
[null, null, 3, null, 5]
解释:
MapSum mapSum = new MapSum();
mapSum.insert("apple", 3);
mapSum.sum("ap"); // return 3 (apple = 3)
mapSum.insert("app", 2);
mapSum.sum("ap"); // return 5 (apple + app = 3 + 2 = 5)
提示:
- 1 <= key.length, prefix.length <= 50
- key 和 prefix 仅由小写英文字母组成
- 1 <= val <= 1000
- 最多调用 50 次 insert 和 sum
解答
class MapSum {
private boolean isWord=false;
private MapSum next[]=new MapSum[26];
private int val=0;
/** Initialize your data structure here. */
public MapSum() {
}
public void insert(String key, int val) {
MapSum root=this;
for(char c:key.toCharArray()){
if(root.next[c-'a']==null)root.next[c-'a']=new MapSum();
root=root.next[c-'a'];
}
root.isWord=true;
root.val=val;
}
public int sum(String prefix) {
MapSum root=this;
for(char c:prefix.toCharArray()){
if(root.next[c-'a']==null) return 0;
root=root.next[c-'a'];
}
return count(root);
}
public int count(MapSum root){
if(root==null) return 0;
int res=0;
if(root.isWord) res+=root.val;
for(int i=0;i<26;i++){
res+=count(root.next[i]);
}
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);
*/
2、面试题 17.17. 多次搜索
给定一个较长字符串big和一个包含较短字符串的数组smalls,设计一个方法,根据smalls中的每一个较短字符串,对big进行搜索。输出smalls中的字符串在big里出现的所有位置positions,其中positions[i]为smalls[i]出现的所有位置。
示例:
输入:
big = "mississippi"
smalls = ["is","ppi","hi","sis","i","ssippi"]
输出: [[1,4],[8],[],[3],[1,4,7,10],[5]]
提示:
- 0 <= len(big) <= 1000
- 0 <= len(smalls[i]) <= 1000
- smalls的总字符数不会超过 100000。
- 你可以认为smalls中没有重复字符串。
- 所有出现的字符均为英文小写字母。
思路
用smalls数组构建一颗前缀树,然后用big的字串去遍历它,例如先找m开头的有没有符合的,再找i开头的。trie树中把原本的isword属性改成smalls中字符串的下标,不是字符串的置为-1。这样遍历的时候如果碰到isword大于等于0的就说明这是一个smalls里的字符串。
代码
class Solution {
public int[][] multiSearch(String big, String[] smalls) {
int[][] res = new int[smalls.length][];
if (big.length() == 0 || smalls.length == 0) {
res = new int[smalls.length][0];
return res;
}
//smalls插入前缀树
Trie root=new Trie();
for(int i=0;i<smalls.length;i++){
String str=smalls[i];
root.insert(str,i);
}
List<List<Integer>> list = new ArrayList<List<Integer>>();
for(int i = 0 ; i < smalls.length ; i++){
list.add(new ArrayList<Integer>());
}
//搜索
char bigArray[]=big.toCharArray();
for(int i=0;i<bigArray.length;i++){
Trie temp=root;
int j=i;
while(j<bigArray.length && temp.next[bigArray[j]-'a']!=null){
if(temp.next[bigArray[j]-'a'].val>=0) list.get(temp.next[bigArray[j]-'a'].val).add(i);
temp=temp.next[bigArray[j]-'a'];
j+=1;
}
}
// list转数组
for (int i=0; i<list.size(); ++i) {
res[i] = new int[list.get(i).size()];
for (int j=0; j<list.get(i).size(); ++j) {
res[i][j] = list.get(i).get(j);
}
}
return res;
}
}
public class Trie {
public int val=-1;
public Trie next[]=new Trie[26];
public Trie(){}
public void insert(String word,int index){
Trie root=this;
for(char w:word.toCharArray()){
if(root.next[w-'a']==null)root.next[w-'a']=new Trie();
root=root.next[w-'a'];
}
root.val=index;
}
}