1 基本概念
Trie树(字典树),也叫单词查找树,是一种高效地存储和查找字符串集合的数据结构(不仅限于字符串)。在y总眼里这是一个非常简单的数据结构。
它包括以下三个性质:
- 根节点不包含字符,除根节点外每一个节点都只包含一个字符
- 从根节点到某一节点,路径上经过的字符连接起来,为该节点对应的字符串
- 每个节点的所有子节点包含的字符都不相同
举个例子:
假设Trie树存储abcdef
, abdef
, acef
, bcdf
, bcff
, cdaa
, bcdc
,并通过该树查找aced
, abcf
, abcd
。
Q1:如何高效存储?
A1:简单概括为:创造节点,结尾做标记。以abcdef
为例,从根节点出发,找字符a
- 若存在则以
a
为父节点,寻找下一个字符b
- 若不存在则创造节点
a
,然后以a
为父节点,寻找下一个字符b
- 整个是一个递归的过程,直到字符
f
对应的节点产生后,对该节点做标记,代表有一个字符串以f
结尾。
存储好以上字符串的Trie树如下图所示:
Q2:如何高效查找?
A2:
对acef
:遍历树a → c → e → f,直到找到节点f
且此节点有标记(代表是一个字符串的结尾)
对abcf
:遍历不到f
对abcd
:遍历到d
但d
节点无标记,说明Trie树没有存储这个字符串
2 代码实现
2.1 一些细节
在字典树中我们常用这样几个数组和变量:
1.son[M][N]
整个树被存储在son数组中,M
代表每一个父节点,N
代表对应的孩子节点,在初始化时要搞清楚树中最多会有多少节点M,每个节点最多会有多少子节点N。(树状数组)
2.cnt[M]
count的缩写,cnt[i]
表示以索引为i
的节点为结尾的字符串的个数。因为节点数最多为M,所以容量也要开到M。
3.idx
index的缩写,每创建一个新的节点都会为其分配一个独一无二的idx。idx = 0表示这是根节点(也是空节点)。
4.字符串遍历
C++中,字符串的结尾为’\0’,可以做为出循环的临界点,即
for(int i = 0; str[i]; i ++){
// 字符串遍历
}
5.不出错的scanf("%c", &op)方法
在之前1提到了如果确定op只有一个字符的话,可以这样做:
char op[2];
scanf("%s", op); // 这里利用了scanf在读字符串时会过滤回车、空格
if(op[0] == 'I') insert(...)
// op[0] 换成 *op 也是可以的
注1:之前的方法可参考:【数据结构】单链表、双链表的算法实现 3.3 bug
2.2 存储
每存储一个字符串,都要从根节点出发(把根节点当成父节点),先判断是否有要存储的点
- 如果有就下一个
- 如果没有就创造
把该点做为父节点,然后判断下一个。直到最后一个节点存在,对其进行记录。代码实现如下:
void insert(char str[]){
int p = 0; // 从根节点出发
for(int i = 0; str[i]; i ++){
int u = str[i] - 'a'; // 'a'~'z' -> 0 ~ 25
if(!son[p][u]) son[p][u] = ++ idx;
p = son[p][u];
}
cnt[p] ++; // 记录
}
2.3 查找
查找和存储的思维是类似的。
有一点要注意,查找失败有两种情况:
- 遍历过程中没找到对应的节点
- 遍历结束后(for循环结束)返回值为0,代表无标记(无标记也就是并没有存储)
int query(char str[]){
int p = 0;
for(int i = 0; str[i]; i ++){
int u = str[i] - 'a';
if(!son[p][u]) return 0; // 查找失败
p = son[p][u];
}
return cnt[p];
}
3 题目
3.1 裸题
题目链接:AcWing 835. Trie字符串统计
代码:
#include<iostream>
using namespace std;
const int N = 100010;
int son[N][26];
int cnt[N]; // 以当前该点结尾的单词有多少
int idx; // 当前用到的下标,下标 = 0:既是根节点,又是空节点
char str[N];
void insert(char str[]){
int p = 0; // 从根结点开始
for(int i = 0; str[i]; i ++){
// 遍历字符串
int u = str[i] - 'a'; // 'a'~'z' -> 0 ~ 25
if(!son[p][u]) son[p][u] = ++ idx; // 不管有没有现在都有了,并且每个节点都有一个独一无二的idx
p = son[p][u]; // 这个节点当下一个字符的父亲节点
}
cnt[p] ++;
}
int query(char str[]){
int p = 0;
for(int i = 0; str[i]; i ++){
int u = str[i] - 'a';
if(!son[p][u]) return 0;
p = son[p][u];
}
return cnt[p];
}
int main(){
int n;
scanf("%d", &n);
while(n --){
char op[2];
scanf("%s%s", op, str);
if(*op == 'I'){
insert(str);
}
else printf("%d\n", query(str));
}
return 0;
}
3.2 最大异或对
题目链接:AcWing 143. 最大异或对
题解:
这道题其实在想的时候已经想到点了,但是还是太追求一步到位所以没有想出更具体的解题方法。
细节1
105意味着这是*O(nlogn)*的时间复杂度1,这样的时间复杂度是可以至少遍历一遍的,所以不妨控制树的一条分支(即一个树),然后去从另一个分支去寻找最大值,即:
int res = 0;
for(int i = 0; i < n; i ++){
res = max(res, search(a[i])); // 先固定一个再搜索
}
注:由数据范围推时间复杂度可参考:【技巧】由数据范围反推算法复杂度以及算法内容
细节2
一开始想的是把一个数的二进制一次性全部表示出来,但其实想想也没必要。数据范围是>=0,<231说明最多有31个二进制位,那么每次在遍历时每次取一位即可:
假设个位是0位,取一个数的第 i 位可表示为:x >> i & 1
int p = 0;
for(int i = 30; i >= 0; i --){
int &s = son[p][x >> i & 1];
if(!s) s = ++ idx;
p = s;
}
完整代码
#include<iostream>
using namespace std;
const int N = 100010;
const int M = 3100000; // Ai < 2^31^,说明Ai最多31位全1。31 * 100000
int a[N];
int son[M][2];
int idx;
void insert(int x){
int p = 0; // 从根结点开始
for(int i = 30; i >= 0; i --){
int &s = son[p][x >> i & 1];
if(!s) s = ++ idx;
p = s;
}
}
int search(int x){
int p = 0, res = 0;
for(int i = 30; i >= 0; i --){
int s = x >> i & 1;
if(son[p][!s]){
res += 1 << i; // << 优先级高于 +=
p = son[p][!s];
}
else{
res += 0 << i; // 这一步其实可以没有
p = son[p][s];
}
}
return res;
}
int main(){
int n;
scanf("%d", &n);
for(int i = 0; i < n; i ++){
scanf("%d", &a[i]);
insert(a[i]);
}
int res = 0;
for(int i = 0; i < n; i ++){
res = max(res, search(a[i])); // 先固定一个再搜索
}
cout << res;
}
3.3 待刷题
以下题目来源:ZZUACM招新群(群号:562888278)
1.leetcode 面试题 16.02. 单词频率
2.leetcode720 词典中最长单词
3.leetcode 面试题 17.17. 多次搜索
4.leetcode 面试题 17.15. 最长单词
5.leetcode 139. 单词拆分
6.leetcode 140. 单词拆分 II
7.leetcode 212. 单词搜索 II
8.leetcode 面试题 17.13. 恢复空格