1.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 startsWith(String prefix) 如果之前已经插入的字符串 word 的前缀之一为 prefix ,返回 true ;否则,返回 false 。
示例1:
输入
["Trie", "insert", "search", "search", "startsWith", "insert", "search"]
[[], ["apple"], ["apple"], ["app"], ["app"], ["app"], ["app"]]
输出
[null, null, true, false, true, null, true]解释
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
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/implement-trie-prefix-tree
2.思路分析
Trie,又称前缀树或字典树,是一棵有根树,其每个节点包含以下字段:
指向子节点的指针数组 children。对于本题而言,数组长度为 26,即小写英文字母的数量。此时 children[0] 对应小写字母 a,children[1] 对应小写字母 b,…,children[25] 对应小写字母 z。
布尔字段 sEnd,表示该节点是否为字符串的结尾。
插入字符串
我们从字典树的根开始,插入字符串。对于当前字符对应的子节点,有两种情况:
- 子节点存在。沿着指针移动到子节点,继续处理下一个字符。
- 子节点不存在。创建一个新的子节点,记录在 children 数组的对应位置上,然后沿着指针移动到子节点,继续搜索下一个字符。
重复以上步骤,直到处理字符串的最后一个字符,然后将当前节点标记为字符串的结尾。
查找前缀
我们从字典树的根开始,查找前缀。对于当前字符对应的子节点,有两种情况:
- 子节点存在。沿着指针移动到子节点,继续搜索下一个字符。
- 子节点不存在。说明字典树中不包含该前缀,返回空指针。
重复以上步骤,直到返回空指针或搜索完前缀的最后一个字符。
若搜索到了前缀的末尾,就说明字典树中存在该前缀。此外,若前缀末尾对应节点的 isEnd 为真,则说明字典树中存在该字符串。
3.解答
class Trie {
//前缀树,字典树
//定义一个内部类,表示前缀树的数据结构
class TrieNode{
private boolean isEnd;
TrieNode[] next;
public TrieNode(){
next = new TrieNode[26];
}
}
//创建对象
private TrieNode root;
public Trie() {
root = new TrieNode();
}
//1.添加
public void insert(String word) {
TrieNode node = root;
//遍历添加每一个字母
for(char c : word.toCharArray()){
//得到下一个子节点
if(node.next[c - 'a'] == null){
//如果没有子节点,就创建一个新子节点
node.next[c - 'a'] = new TrieNode();
}
//处理下一个节点
node = node.next[c - 'a'];
}
//添加结尾标志
node.isEnd = true;
}
//2.搜索字符串
public boolean search(String word) {
TrieNode node = root;
for(char c : word.toCharArray()){
//获取子节点
node = node.next[c - 'a'];
if(node == null){
//如果子节点为空,搜索失败
return false;
}
}
return node.isEnd;
}
//3.搜索前缀
public boolean startsWith(String prefix) {
TrieNode node = root;
for(char c : prefix.toCharArray()){
//获取子节点
node = node.next[c - 'a'];
if(node == null){
//如果字节点为空,搜索失败
return false;
}
}
return true;
}
}
复杂度分析
时间复杂度:初始化为 O(1),其余操作为 O(∣S∣),其中 ∣S∣ 是每次插入或查询的字符串的长度。
空间复杂度:O(∣T∣* Σ),其中 ∣T∣ 为所有插入字符串的长度之和,Σ 为字符集的大小,本题Σ=26。