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:
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
时间复杂度:Trie 树的每次调用时间复杂度取决于入参字符串的长度。复杂度为 O(Len)。
空间复杂度:结点数量为 n,字符集大小为 k。复杂度为 O(nk)。
class Trie {
TrieNode root;
public Trie() {
root=new TrieNode();
}
public void insert(String s) {
TrieNode cur = root;
for (char c : s.toCharArray()) {
if (cur.children[c - 'a'] == null) {
cur.children[c - 'a'] = new TrieNode();
}
cur = cur.children[c - 'a'];
}
cur.exist = true;
}
//不仅需要看是否存在,还需要为一个完整单词,即exist必须为true
public boolean search(String s) {
TrieNode cur = root;
for (char c : s.toCharArray()) {
cur = cur.children[c - 'a'];
if (cur == null ) return false;
}
return cur.exist;
}
//只需要看是否存在,不需要为一个完整单词,exist不必为true
public boolean startsWith(String s) {
TrieNode cur = root;
for (char c : s.toCharArray()) {
cur = cur.children[c - 'a'];
if (cur == null) {
return false;
}
}
return true;
}
}
class TrieNode {
//表示这个节点是否存在trie中,且为一个完整的单词(是否end)
boolean exist;
TrieNode[] children;
TrieNode() {
exist = false;
children = new TrieNode[26];
}
}