8. Tire 树

最新推荐文章于 2024-10-07 12:59:05 发布

奋进在AI路上的小李

最新推荐文章于 2024-10-07 12:59:05 发布

阅读量48

点赞数

分类专栏： # 算法大全文章标签：数据结构链表

本文链接：https://blog.csdn.net/qq_42813620/article/details/130151612

版权

算法大全专栏收录该内容

12 篇文章 0 订阅

订阅专栏

本文详细介绍了字典树（TrieTree）的数据结构，它利用空间来优化查找效率。通过Trie树的节点、索引和计数器的概念，解释了如何插入字符串、搜索完整单词以及检查前缀。Trie树在存储大量词汇时能快速进行前缀匹配。

摘要由CSDN通过智能技术生成

Tire 树存储的结构

关于大佬对字典树的解读：【数据结构】字典树TrieTree图文详解

个人想法：

字典树首先需要足够大的空间，是采用空间换时间的一种数据结构。

1. idx ：想法优点类似单链表中next指针，通过将p = tire[p][c_temp],可以不断寻找下一个地方。其中tire[p][c_temp]就是不断的存储当时插入字符串时的idx，正是通过idx每个字符才有了自己的地址。

2. tire[N][26] ：每个节点下面都有26个子节点，其中tire[p][c_temp] 就是p类似指针，不断的更新，查找到p下面的元素

3.cnt[p]: cnt[p]是代表p指针下有没有完整的字符串。如果为0说明，没有输入恰好到此的字符串。 cnt[p]不一定只为0或1，因为有可能多次输入了同一个单词.

4.p 核心就在于p的一直变换，可以看作为一个指针，不断指向下一个寻址的地址。

208. 实现 Trie (前缀树) - 力扣（LeetCode）

class Trie {
public:
    int tire[60000][26]={0},cnt[60000]={0},idx; 
    Trie() {
        idx=0;
    }
    
    void insert(string word) {
        int p = 0;
        for(int i =0;i<word.size();i++){
            int c_temp = word[i]-'a';
            if(tire[p][c_temp]==0){
                tire[p][c_temp] = ++idx;
            }
            p = tire[p][c_temp];
        }
        cnt[p]++;
    }
    
    bool search(string word) {
        int p=0;
        for(int i =0;i<word.size();i++){
            int c_temp = word[i]-'a';
            if(tire[p][c_temp]==0){return false;}
            p = tire[p][c_temp];
        }
        return cnt[p];
    }
    
    bool startsWith(string prefix) {
        int p = 0;
        for(int i =0;i<prefix.size();i++){
            int c_temp = prefix[i]-'a';
            if(tire[p][c_temp]==0){return false;}
            p = tire[p][c_temp];
        }
        return true;
    }
};

/**
 * Your Trie object will be instantiated and called as such:
 * Trie* obj = new Trie();
 * obj->insert(word);
 * bool param_2 = obj->search(word);
 * bool param_3 = obj->startsWith(prefix);
 */