文章目录
汇总和整理算法题中设计数据结构的题目,增强数据结构融会贯通的能力。
哈希
981.基于时间的键值存储
HashMap+数组
class TimeMap {
class Node{
String k,v;
int t;
public Node(String _k, String _v, int _t){
k=_k;
v=_v;
t=_t;
}
}
HashMap<String,List<Node>> map=new HashMap<>();
public void set(String key, String value, int timestamp) {
List<Node> list=map.getOrDefault(key,new ArrayList<>());
//set的timestamp都是严格递增的
list.add(new Node(key,value,timestamp));
map.put(key,list);
}
public String get(String key, int timestamp) {
List<Node> list=map.getOrDefault(key,new ArrayList<>());
int s=list.size();
if(s==0) return "";
//二分查找t<=timestamp的最大值,考虑可能没有这个值
int left=0;
int right=s-1;
while(left<right){
int mid=(left+right+1)/2;
if(list.get(mid).t>timestamp){
right=mid-1;
}else{
left=mid;
}
}
//重复判断,如果找到的值不满足
return list.get(left).t<=timestamp?list.get(left).v:"";
}
}
/**
* Your TimeMap object will be instantiated and called as such:
* TimeMap obj = new TimeMap();
* obj.set(key,value,timestamp);
* String param_2 = obj.get(key,timestamp);
*/
30.插入删除和随机访问都是O(1)的容器
HashMap+数组,HashMap在插入和删除时都为 O ( 1 ) O(1) O(1),但是删除的时候没法保证,因此本题将两者的优势结合起来,同时更新一个元素的HashMap和数组,它们的桥梁就是元素在数组中的下标,因此HashMap的value存的也是下标。
class RandomizedSet {
int[]array=new int[(int)2e5];
int idx=-1;
HashMap<Integer,Integer>map=new HashMap<>();
Random random=new Random();
public RandomizedSet() {
}
public boolean insert(int val) {
if(map.containsKey(val)) return false;
else{
// array和map同时记录
array[++idx]=val;
map.put(val,idx);
return true;
}
}
public boolean remove(int val) {
if (!map.containsKey(val)) return false;
else{
int loc=map.remove(val);
// 需要进行元素位置交换,填补删去的loc
if (loc==idx){ // 删去的元素本身就在最后
idx--;
}else{ // array用最后一个元素填补删去的loc位置,map放上最后一个元素
map.put(array[idx],loc);
array[loc]=array[idx];
idx--;
}
return true;
}
}
public int getRandom() {
return array[(int)random.nextInt(idx+1)];
}
}
/**
* Your RandomizedSet object will be instantiated and called as such:
* RandomizedSet obj = new RandomizedSet();
* boolean param_1 = obj.insert(val);
* boolean param_2 = obj.remove(val);
* int param_3 = obj.getRandom();
*/
数组
622.设计循环队列
本题需要我们不使用内置的队列库,实现循环队列,我们采用数组进行实现。有几个注意点:
- 数组中增加一个额外空间
- 有
front、rear
头尾两个指针,初始化都为0,front
指向所有数字的第一个位置,rear
指向所有数字的后一个位置(始终为空),即待插入位置。容器入队,rear
先赋值再移动;容器出队,front
直接后移,不处理前面是因为之后会被覆盖。 - 循环的原因,出队入队下标改变都需要取数组长度(k+1)的模。
- 当队列空的时候,通过
rear=front
来判断。当队列满的时候,通过(rear + 1) % 总长度 == front
来判断。
增加一个额外空间最直观的体现就是创建que
数组的时候,接下来只需要按照在多一个位置的空间大小内,有一个额外空间来写逻辑就能实现了。
class MyCircularQueue {
int[]que;
int k;
int front=0;
int rear=0;
public MyCircularQueue(int _k) {
k=_k;
que=new int[k+1];
}
public boolean enQueue(int value) {
if(isFull()) return false;
else{
que[rear]=value;
rear=(rear+1)%(k+1);
return true;
}
}
public boolean deQueue() {
if(isEmpty()) return false;
else{
//将front后移指向下一个位置,之前的front会被覆盖
front=(front+1)%(k+1);
return true;
}
}
public int Front() {
if(isEmpty()) return -1;
else{
//取出front
int val=que[front];
return val;
}
}
public int Rear() {
if(isEmpty()) return -1;
else{
//需要通过rear找到其之前的位置
int index=(rear+que.length-1)%que.length;
return que[index];
}
}
public boolean isEmpty() {
return front==rear;
}
//判断队列满的条件需要考虑到循环数组,front可能会比rear大
public boolean isFull() {
return (rear+1)%que.length==front;
}
}
/**
* Your MyCircularQueue object will be instantiated and called as such:
* MyCircularQueue obj = new MyCircularQueue(k);
* boolean param_1 = obj.enQueue(value);
* boolean param_2 = obj.deQueue();
* int param_3 = obj.Front();
* int param_4 = obj.Rear();
* boolean param_5 = obj.isEmpty();
* boolean param_6 = obj.isFull();
*/
641.设计循环双端队列
同上一题622.设计循环队列的解题思路,但是对于第三点,这一题多了insertFront(int value)
和deleteLast()
,对应下标有front-1
和rear-1
的操作,即使取余也会有「负数」下标的产生,因此需要在取余之前先让它们加上数组的长度k+1
.
class MyCircularDeque {
int[] space;
int front;
int rear;
int k;
public MyCircularDeque(int _k) {
k=_k;
space=new int[k+1];
front=0;
rear=0;
}
//前面插入,front-1
public boolean insertFront(int value) {
if(isFull()) return false;
front=(front-1+k+1)%(k+1);
space[front]=value;
return true;
}
public boolean insertLast(int value) {
if(isFull()) return false;
space[rear]=value;
rear=(rear+1)%(k+1);
return true;
}
public boolean deleteFront() {
if(isEmpty()) return false;
front=(front+1)%(k+1);
return true;
}
//后面删除,rear-1
public boolean deleteLast() {
if(isEmpty()) return false;
rear=(rear-1+k+1)%(k+1);
return true;
}
public int getFront() {
if(isEmpty()) return -1;
return space[front];
}
public int getRear() {
if(isEmpty()) return -1;
int index=(rear+k)%(k+1);
return space[index];
}
public boolean isEmpty() {
if(rear==front) return true;
return false;
}
public boolean isFull() {
if((rear+1)%(k+1)==front) return true;
return false;
}
}
/**
* Your MyCircularDeque object will be instantiated and called as such:
* MyCircularDeque obj = new MyCircularDeque(k);
* boolean param_1 = obj.insertFront(value);
* boolean param_2 = obj.insertLast(value);
* boolean param_3 = obj.deleteFront();
* boolean param_4 = obj.deleteLast();
* int param_5 = obj.getFront();
* int param_6 = obj.getRear();
* boolean param_7 = obj.isEmpty();
* boolean param_8 = obj.isFull();
*/
1656.设计有序流
class OrderedStream {
int ptr=1;
String []container;
int n;
public OrderedStream(int _n) {
n=_n;
container=new String[n+1];
}
public List<String> insert(int idKey, String value) {
ArrayList<String> res=new ArrayList<>();
container[idKey]=value;
if(ptr==idKey){
while(ptr<=n&&container[ptr]!=null){
res.add(container[ptr]);
ptr++;
}
}
return res;
}
}
/**
* Your OrderedStream object will be instantiated and called as such:
* OrderedStream obj = new OrderedStream(n);
* List<String> param_1 = obj.insert(idKey,value);
*/
链表
707.设计链表
定义链表并实现一系列的Api操作,因为只需要一系列操作返回能成功,而最终不需要返回head,因此可以直接定义dummyHead,对其进行操作。
class MyLinkedList {
public class Node{
int val;
Node next;
public Node(){
}
public Node(int val){
this.val=val;
}
}
Node dummyHead;
int len;
public MyLinkedList() {
len=0;
dummyHead=new Node(0);
}
public int get(int index) {
if(index>=len||index<0) return -1;
Node p=dummyHead;
for(int i=0;i<=index;i++){
p=p.next;
}
return p.val;
}
public void addAtHead(int val) {
addAtIndex(0,val);
}
public void addAtTail(int val) {
addAtIndex(len,val);
}
public void addAtIndex(int index, int val) {
if(index>len) return;
Node p=dummyHead;
for(int i=0;i<index;i++){
p=p.next;
}
Node newNode=new Node(val);
newNode.next=p.next;
p.next=newNode;
len++;
}
public void deleteAtIndex(int index) {
if(index>=len||index<0) return;
Node p=dummyHead;
for(int i=0;i<index;i++){
p=p.next;
}
p.next=p.next.next;
len--;
}
}
/**
* Your MyLinkedList object will be instantiated and called as such:
* MyLinkedList obj = new MyLinkedList();
* int param_1 = obj.get(index);
* obj.addAtHead(val);
* obj.addAtTail(val);
* obj.addAtIndex(index,val);
* obj.deleteAtIndex(index);
*/
缓存
146.LRU缓存
HashMap+造轮子实现双向链表
hashmap查找一个节点的性能为O(1)-->get
;链表对一个节点增删操作的时间为O(1)
,在已经得到要删除的节点的引用时,双向链表对一个节点的增删最方便,直接改变该节点的两个指向,性能为O(1)-->put、delete
。两个数据结构增删改查的时候同步更新,hashmap为HashMap<Integer,Node>,map key就是key,value为Node,其中Node需要用双向链表进行连接。
get()和put()都是需要进行使用更新的操作,本质上get()就是将原来的key-value再重新put()一次,因此get()可以复用put()进行更新
。put()在更新时,始终要将最近使用的节点通过addFirst()放在第一个节点上,如果有相同的key节点存在则需要先删除原先的节点,如果没有相同的key的存在,则判断是否已经满了,满了的话就先删除最后一个节点,然后将新节点放在双向链表头上。
双向链表的delete()和addFirst()
方法传入参数都是Node引用,便于双向链表直接操作。其中delete()
可以返回删除节点的key,便于紧接着根据其key删除其在map里对应的node。
最后可以加入哨兵头指针和哨兵尾指针,进行双向链表的插入和删除的简化,头插尾删和头删尾插都可以做。
class LRUCache {
HashMap<Integer,Node> map;
DoubleLinkedList cache;
int cap;
public LRUCache(int capacity) {
map=new HashMap<>();
cache=new DoubleLinkedList();
cap=capacity;
}
public class Node{
int k,v;
Node pre,next;
public Node(int _k, int _v){
k=_k;
v=_v;
}
}
public class DoubleLinkedList{
Node head,tail;
public DoubleLinkedList(){
head=new Node(-1,-1);
tail=new Node(-1,-1);
head.next=tail;
tail.pre=head;
}
public int delete(Node n){
if(head.next==tail) return -1;
n.next.pre=n.pre;
n.pre.next=n.next;
return n.k;
}
public int deleteLast(){
return delete(tail.pre);
}
public void addFirst(Node newnode){
newnode.next=head.next;
newnode.pre=head;
head.next.pre=newnode;
head.next=newnode;
}
}
public int get(int key) {
if(!map.containsKey(key))return -1;
else{
int value=map.get(key).v;
//往双向链表put相同的value
put(key,value);
return value;
}
}
public void put(int key, int value) {
Node newnode=new Node(key,value);
//有相同key的节点进行更新替换
if(map.containsKey(key)){
//删除原先双向链表中的该节点,进行更新
cache.delete(map.get(key));
}else{ // 没有相同key的节点
//已经存满了,删除最后未使用的节点
if(map.size()==cap){
int k=cache.deleteLast();
map.remove(k);
}
}
//一份newnode关联了两个数据结构
map.put(key,newnode);
cache.addFirst(newnode);
}
}
/**
* Your LRUCache object will be instantiated and called as such:
* LRUCache obj = new LRUCache(capacity);
* int param_1 = obj.get(key);
* obj.put(key,value);
*/
前缀树
关于前缀树的基础知识参考我的另一篇文章,引路->算法学习-字典树
208.实现Trie(前缀树)
class Trie {
public class Node{
boolean end;
Node[] tns=new Node[26];
}
public Node root;
public Trie() {
root=new Node();
}
public void insert(String word) {
Node p=root;
for(int i=0;i<word.length();i++){
int u=word.charAt(i)-'a';
if(p.tns[u]==null) p.tns[u]=new Node();
p=p.tns[u];
}
p.end=true;
}
public boolean search(String word) {
Node p=root;
for(int i=0;i<word.length();i++){
int u=word.charAt(i)-'a';
if(p.tns[u]==null) return false;
p=p.tns[u];
}
return p.end;
}
public boolean startsWith(String prefix) {
Node p=root;
for(int i=0;i<prefix.length();i++){
int u=prefix.charAt(i)-'a';
if(p.tns[u]==null) return false;
p=p.tns[u];
}
return true;
}
}
/**
* Your Trie object will be instantiated and called as such:
* Trie obj = new Trie();
* obj.insert(word);
* boolean param_2 = obj.search(word);
* boolean param_3 = obj.startsWith(prefix);
*/
745.前缀和后缀搜索
双字典树+双指针
根据前缀和后缀建立双字典树fronEnd、endFront
,字典树节点中list
存储以该节点为前缀的元素在数组中的下标。
建立字典树以后,f
查询的过程中,根据前缀和后缀检索,得到两棵树对应节点上的下标数组prefNum、suffNum
,通过双指针
方法从后往前查找,找到相同下标的最大值。
class WordFilter {
public class Node{
ArrayList<Integer> list=new ArrayList<>();
Node[] next=new Node[26];
}
//两棵树的根结点
Node frontEnd= new Node();
Node endFront=new Node();
//两棵树的建立过程
public WordFilter(String[] words) {
for(int i=0;i<words.length;i++){
String s=words[i];
Node p=frontEnd;
Node k=endFront;
for(int j=0;j<s.length();j++){
int pidx=s.charAt(j)-'a';
if(p.next[pidx]==null) p.next[pidx]=new Node();
p=p.next[pidx];
p.list.add(i);
int kidx=s.charAt(s.length()-1-j)-'a';
if(k.next[kidx]==null) k.next[kidx]=new Node();
k=k.next[kidx];
k.list.add(i);
}
}
}
public int f(String pref, String suff) {
Node p=frontEnd;
for(int i=0;i<pref.length();i++){
int prefidx=pref.charAt(i)-'a';
if(p.next[prefidx]==null) return -1;
p=p.next[prefidx];
}
List<Integer> prefNum=p.list;
Node k=endFront;
for(int i=0;i<suff.length();i++){
//注意后缀为倒序
int suffidx=suff.charAt(suff.length()-1-i)-'a';
if(k.next[suffidx]==null) return -1;
k=k.next[suffidx];
}
List<Integer> suffNum=k.list;
int prefNumLen=prefNum.size();
int suffNumLen=suffNum.size();
for(int i=prefNumLen-1,j=suffNumLen-1;i>=0&&j>=0;){
int a=prefNum.get(i);
int b=suffNum.get(j);
if(a>b){
i--;
}else if(a<b){
j--;
}else{
return a;
}
}
return -1;
}
}
/**
* Your WordFilter object will be instantiated and called as such:
* WordFilter obj = new WordFilter(words);
* int param_1 = obj.f(pref,suff);
*/
720.词典中最长的单词
构建字典树,记录每个单词结尾节点的end
。
对于某个 words[i] 而言,其能成为「合法单词」的充要条件为:words[i] 的每个前缀节点都有end
记录。
最后可以返回空并且考虑有多种情况,ans初始化为空字符串""。
class Solution {
public class Node{
boolean end;
Node[] next=new Node[26];
}
Node root=new Node();
public void insert(String s){
Node p=root;
for(char c:s.toCharArray()){
int idx=c-'a';
if(p.next[idx]==null) p.next[idx]=new Node();
p=p.next[idx];
}
p.end=true;
}
//满足逐步添加单词组成s的条件
public boolean search(String s){
Node p=root;
for(char c:s.toCharArray()){
int idx=c-'a';
if(p.next[idx]==null||p.next[idx].end==false) return false;
p=p.next[idx];
}
return p.end;
}
public String longestWord(String[] words) {
//初始化ans为空的字符串
String ans="";
for(String s:words)insert(s);
for(String s:words){
int n=s.length();
int m=ans.length();
//两种剪枝条件
//排除比答案小的s
if(n<m) continue;
//排除字典序大的s
if(n==m&&s.compareTo(ans)>0) continue;
if(search(s)) ans=s;
}
return ans;
}
}
421.数组中两个数的最大异或值
我们需要先将 nums 中的数,从高位到低位以二进制的形式加入 Trie树中,开辟大小为2的Node数组,以指针序号表示,每个数字的树深最多为31。
然后对于每个数字,从高位到低位每次贪心的匹配与之不同的二进制位的分支,以此保证异或结果最大。
class Solution {
public class Node{
Node[] ns=new Node[2];
}
//建树
Node root=new Node();
public void add(int num){
Node p=root;
for(int i=30;i>=0;i--){
int idx=(num>>>i)&1;
if(p.ns[idx]==null) p.ns[idx]=new Node();
p=p.ns[idx];
}
}
//查找异或最大值
public int getVal(int num){
Node p=root;
int ans=0;
for(int i=30;i>=0;i--){
int a=(num>>>i)&1,b=1-a;
if(p.ns[b]!=null){
ans|=(b<<i);
p=p.ns[b];
}else{
ans|=(a<<i);
p=p.ns[a];
}
}
return ans;
}
//主方法中找到最大值
public int findMaximumXOR(int[] nums) {
int ans=0;
for(int num:nums){
add(num);
int res=getVal(num);
ans=Math.max(ans,num^res);
}
return ans;
}
}
1707.与数组中元素的最大异或值
这种提前给定了所有询问的题目,我们可以运用离线思想(调整询问的回答顺序)进行求解,通常做法是对原数组排序,并用map
存储原数组的下标对应关系。
- 对 nums 进行「从小到大」进行排序,对 queries 的第二维进行「从小到大」排序(排序前先将询问原本的下标映射关系用
HashMap
存下来)。 - 按照排序顺序处理所有的
queries[i]
:- 在回答每个询问前,将
小于等于 queries[i][1]
的数值存入字典树。由于我们已经事先对 nums 进行排序,因此这个过程只需要维护一个在 nums 上往右移动的指针一趟即可。 - 然后利用贪心思路,查询每个 queries[i][0] 所能找到的最大值是多少,计算异或和,类似于421.数组中两个数的最大异或值
- 找到当前询问在原询问序列的下标,将答案存入。
- 在回答每个询问前,将
class Solution {
public class Node{
Node[]next=new Node[2];
}
Node root=new Node();
public void add(int num){
Node p=root;
for(int i=30;i>=0;i--){
int a=num>>>i&1;
if(p.next[a]==null) p.next[a]=new Node();
p=p.next[a];
}
}
//直接返回最大异或值
public int getVal(int num){
Node p=root;
int ans=0;
for(int i=30;i>=0;i--){
int a=num>>>i&1,b=1-a;
if(p.next[b]!=null){
ans|=b<<i;
p=p.next[b];
}else{
ans|=a<<i;
p=p.next[a];
}
}
return ans^num;
}
public int[] maximizeXor(int[] nums, int[][] queries) {
int len1=nums.length;
int len2=queries.length;
HashMap<int[],Integer> map=new HashMap<>();
for(int i=0;i<len2;i++){
map.put(queries[i],i);
}
//进行排序
Arrays.sort(nums);
Arrays.sort(queries,(o1,o2)->o1[1]-o2[1]);
int loc=0;
int[] ans=new int[len2];
for(int[]q:queries){
//加入的是nums中的值
while(loc<len1&&nums[loc]<=q[1]) add(nums[loc++]);
//如果没有小于等于q[1]的数字,即loc==0
if(loc==0){
ans[map.get(q)]=-1;
}else{
ans[map.get(q)]=getVal(q[0]);
}
}
return ans;
}
}
剑指OfferII065.最短的单词编码
后缀字典树+贪心
根据单词后缀建立字典树,如果能让某个单词尽可能多的包含别的单词(或者说别的单词是字典树的前缀),就能让长度最小。
考虑到最长的单词基本上都需要算入答案,因此先将words按长度降序
,将其中不能构成前缀的单词插入字典树,并算入结果的长度。
class Solution {
public class Node{
Node[] next=new Node[26];
}
Node root=new Node();
//构建字典树
public void add(String s){
Node p=root;
for(int i=s.length()-1;i>=0;i--){
int a=s.charAt(i)-'a';
if(p.next[a]==null) p.next[a]=new Node();
p=p.next[a];
}
}
//判断s是否为字典树前缀
public boolean startWith(String s){
Node p=root;
for(int i=s.length()-1;i>=0;i--){
int a=s.charAt(i)-'a';
if(p.next[a]==null) return false;
p=p.next[a];
}
return true;
}
public int minimumLengthEncoding(String[] words) {
int ans=0;
Arrays.sort(words,(o1,o2)->o2.length()-o1.length());
for(String s:words){
if(!startWith(s)){
add(s);
ans+=s.length()+1;
}
}
return ans;
}
}
648.单词替换
简单理解为建立一棵前缀树,然后针对sentence中的所有单词s进行前缀替换,如果能被最前面end域为true
的替换则替换,否则还是返回原来的s.
class Solution {
public class Node{
boolean isEnd;
Node[] next=new Node[26];
}
Node root=new Node();
public void add(String s){
Node p=root;
for(int i=0;i<s.length();i++){
int a=s.charAt(i)-'a';
if(p.next[a]==null) p.next[a]=new Node();
p=p.next[a];
}
p.isEnd=true;
}
//查找最短的词根
public String query(String s){
Node p=root;
for(int i=0;i<s.length();i++){
int a=s.charAt(i)-'a';
//这里的逻辑是,如果找不到词根,直接return s
if(p.next[a]==null) break;
if(p.next[a].isEnd==true) return s.substring(0,i+1);
p=p.next[a];
}
return s;
}
public String replaceWords(List<String> dictionary, String sentence) {
StringBuilder sb= new StringBuilder();
for(String s:dictionary){
add(s);
}
for(String s:sentence.split(" ")){
String res=query(s);
sb.append(res).append(" ");
}
return sb.substring(0,sb.length()-1);
}
}
211.添加与搜索单词
前缀树+DFS
建树过程与模版类似,但由于加入了通配符.
,所以其中搜索单词的过程采用dfs
控制,分为确定的单词
和通配符.
两种情况。
class WordDictionary {
public class Node{
boolean isEnd;
Node[]next=new Node[26];
}
Node root;
public WordDictionary() {
root=new Node();
}
public void addWord(String word) {
Node p=root;
for(int i=0;i<word.length();i++){
int a=word.charAt(i)-'a';
if(p.next[a]==null) p.next[a]=new Node();
p=p.next[a];
}
p.isEnd=true;
}
public boolean search(String word) {
return dfs(word,root,0);
}
public boolean dfs(String word,Node root,int index){
if(index>=word.length()) return root.isEnd;
if(word.charAt(index)!='.'){
int a=word.charAt(index)-'a';
if(root.next[a]==null) return false;
return dfs(word,root.next[a],index+1);
}else{
for(Node n:root.next){
if(n!=null&&dfs(word,n,index+1)) return true;
}
}
return false;
}
}
/**
* Your WordDictionary object will be instantiated and called as such:
* WordDictionary obj = new WordDictionary();
* obj.addWord(word);
* boolean param_2 = obj.search(word);
*/
676.实现一个魔法字典
前缀字典树+DFS
DFS递归函数public boolean query(String s,Node root,int idx,int limit),idx用于表示搜索的层数,可以表示当前搜索到单词的哪一位,limit是限制替换次数的
。
对于要search单词的某一位s[idx]
而言,我们可以枚举新字符串在当前位置是何种字符的26个字符,若当前枚举到的字符与s[idx]
一致,则不消耗替换次数,进入下一层,否则消耗替换次数,进入下一轮。
爆搜过程中替换次数为负数直接return剪枝;当爆搜到结尾位置,再检查当前的节点是否为单词结尾节点,以及剩余的替换次数 limit 是否为 0。
class MagicDictionary {
public class Node{
boolean isEnd;
Node[] next=new Node[26];
}
Node root;
public MagicDictionary() {
root=new Node();
}
public void add(String s){
Node p=root;
for(int i=0;i<s.length();i++){
int a=s.charAt(i)-'a';
if(p.next[a]==null) p.next[a]=new Node();
p=p.next[a];
}
p.isEnd=true;
}
//递归函数,idx用于表示搜索的层数,limit是限制替换次数的
public boolean query(String s,Node root,int idx,int limit){
if(limit<0) return false;
if(idx==s.length()) return root.isEnd&&limit==0;
int a=s.charAt(idx)-'a';
for(int i=0;i<26;i++){
//该节点没有字符,不能作为替换或者继续递归的入口
if(root.next[i]==null) continue;
//query中limit的条件,需要判断这层的字母是否是循环26个字母中的字母
if(query(s,root.next[i],idx+1,a==i?limit:limit-1)) return true;
}
return false;
}
public void buildDict(String[] dictionary) {
for(String s:dictionary) add(s);
}
public boolean search(String searchWord) {
return query(searchWord,root,0,1);
}
}
/**
* Your MagicDictionary object will be instantiated and called as such:
* MagicDictionary obj = new MagicDictionary();
* obj.buildDict(dictionary);
* boolean param_2 = obj.search(searchWord);
*/
677.键值映射
前缀树+DFS
建立前缀树,单词结尾存储整数值val
。然后从前缀末尾开始用dfs统计
以该前缀为单词的整数值val
。
class MapSum {
public class Node{
int val;
Node[] next=new Node[26];
}
Node root;
public MapSum() {
root=new Node();
}
public void insert(String key, int val) {
Node p=root;
for(int i=0;i<key.length();i++){
int a=key.charAt(i)-'a';
if(p.next[a]==null) p.next[a]=new Node();
p=p.next[a];
}
p.val=val;
}
public int sum(String prefix) {
Node p=root;
for(int i=0;i<prefix.length();i++){
int a=prefix.charAt(i)-'a';
if(p.next[a]==null) return 0;
p=p.next[a];
}
return dfs(p);
}
public int dfs(Node root){
if(root==null) return 0;
int ans=0;
ans+=root.val;
for(Node n:root.next){
ans+=dfs(n);
}
return ans;
}
}
/**
* Your MapSum object will be instantiated and called as such:
* MapSum obj = new MapSum();
* obj.insert(key,val);
* int param_2 = obj.sum(prefix);
*/
472.连接词
前缀树+DFS
先将words
按长度从小到大排序,通过DFS判断某个单词是否为连接词,前缀树加入较短的单词,不加入连接词。
class Solution {
public class Node{
boolean isEnd;
Node[] next=new Node[26];
}
Node root=new Node();
public void add(String s){
Node p=root;
for(int i=0;i<s.length();i++){
int a=s.charAt(i)-'a';
if(p.next[a]==null) p.next[a]=new Node();
p=p.next[a];
}
p.isEnd=true;
}
//深搜某个单词是否为连接词,不需要Node root域,全是从字典树的root开始找
public boolean dfs(String s,int i){
Node node=root;
//判断留给下一层,能否直接返回(i已经到s后面一个),或者能够继续往下切割(i指向下一个字符)
if(s.length()==i) return true;
while(i<s.length()){
int a=s.charAt(i)-'a';
if(node.next[a]==null) return false;
//node.next[a]不为空,说明字符匹配上了
node=node.next[a];
if(node.isEnd==true&&dfs(s,i+1)) return true;
i++;
}
return false;
}
public List<String> findAllConcatenatedWordsInADict(String[] words) {
Arrays.sort(words,(o1,o2)->o1.length()-o2.length());
List<String> ans=new ArrayList<>();
for(String s:words){
if(!(s.length()==0)){
//连接词不需要加入字典树中
if(dfs(s,0)){
//System.out.println(s);
ans.add(s);
}else{
add(s);
}
}
}
return ans;
}
}