算法与数据结构：字典树

题目来源：020711 每日1题：#676 实现一个魔法字典 ← #208 实现Trie（前缀树）

字典树基本描述

        Trie/ Prefix Tree，一般指字典树或者前缀树。在有基本数据结构二叉树概念的基础上，简单理解为多叉树。以一般题目的26小写字母编码为例，即26叉树。

        事实上，搭建Trie远不如构造一个AVL复杂；相比基本的二叉树，因为Trie的应用目标很明晰，所以操作花样也不必二叉树繁多。所以，有了基本数据结构的基础，理解为先，代码实现倒并不会更难。

字典树的实现

二维数组实现

        我先是读了一种二维数组构建的代码，可能有的人会觉得，那种写法敲起来比较快；当然相应的代价，要做预分配数组的空间估计，而往往过估计会带来内存开销。好处按博文介绍是，相对标准实现形式，省去new每个新节点的时间开销。

推荐阅读：宫水三叶的字典树入门。

        我是直接按顺序读的，先读代码会有点gap. 拉倒最后有些介绍其实挺清晰的了。我这里记录一个关键的点：index表观上记录了最新开辟的第n个结点编号；事实上，它有两层内涵：

1.因为是模拟树结构，每个结点时有后继的。编号为index的结点后继，将在trie[index][]这一行开辟新的空间。

2.也因此，index其实是二维数组大小的一个衡量。一般来说，先对二位数组估计；通常预留足够大，但如果遇到极端情形，也是可以通过index越界而预知，从而对数组空间重分配。

trieNode实现

我个人感觉敲起来也很快。

值得指出的一个点是，在单词插入字典完成后，需要在最后的节点上打上flag. 这个操作在判断前缀时是不需要的；但要做完全匹配，需要用它来判断单词完结。

class Trie {
public:
    Trie() : isEnd(0), tns(26, nullptr) {
    }

    void insert(string word) {
        Trie* node = this;
        for (auto& i : word) {
            if (node -> tns[i - 'a'] == nullptr)    node -> tns[i - 'a'] = new Trie();
            node = node->tns[i - 'a'];
        }
        node->isEnd = 1;
    }

    bool search(string word);

    bool startsWith(string prefix);
private:
    bool isEnd;
    std::vector<Trie*> tns;
};