商城，博客类项目必修课：字典树trie

应用场景

类似这种搜索框，当输入关键词时，下拉框会有Query提示词，用于提高用户体验和关键词修改建议，比如说我们搜索错误词，或者首字母拼写，仍然可以找到需要的内容，这在博客检索需要信息和商城类寻找具体商品时作用非常大，

字典树

这是用字典树实现的，也叫Tire树，又称单词查找树，键树，前缀树（？），是哈系树的变种，主要用于统计和排序，优点是可以最大限度减少无关字符串比较，效率很高

核心思想

用空间换时间，用字符串的公共前缀来降低查询所需时间，来提高事务效率，举个概念图的例子。
如图所示，当我们搜索北京和江苏会往两侧查找，而中兴和中国都与共同前缀“中”，这样从中开始查找，就会比从头查找效率更高。

图里面展示的字符串都被节点到节点的路径链接，为该结点对应的字符串，每个节点的所有子节点包含的字符都不同。

构建

我们先上代码，然后画图解释一下，棵树时怎样存储的
这是树结构的代码：

class TrieNode{
	//子节点的映射
	private final Map<Character,TrieNode> children = new HashMap<>();
	//标记元素，检查这个节点是否是某个字符串的结尾
	private boolean endWorld;
	//判断当前节点是否有需要的子节点
	public boolean containsKey(char check){
		return children.containsKey(check);
	}
	    // 获取指定字符的子节点
    public TrieNode get(char check) {
        return children.get(check);
    }
    // 设置指定字符串的子节点
    public void put(char check, TrieNode node) {
        children.put(check, node);
    }
    // 判断当前节点是否为字符串的结尾
    public boolean isEnd() {
        return endWord;
    }
    // 标记当前节点为字符串的结尾
    public void setEnd() {
        endOfWord = true;
    }
}

调用树，写插入方法

public class Trie {
    // 字典树的根节点
    private final TrieNode root;

    // 构造函数初始化根节点
    public Trie() {
        root = new TrieNode();
    }

    // 插入一个单词到字典树中
    public void insert(String word) {
        // 从根节点开始遍历
        TrieNode node = root;
        for (int i = 0; i < word.length(); i++) {
            char currentChar = word.charAt(i);
            // 如果当前字符对应的子节点不存在，则创建一个新的节点并添加
            if (!node.containsKey(currentChar)) {
                node.put(currentChar, new TrieNode());
            }
            // 移动到当前字符对应的子节点
            node = node.get(currentChar);
        }
        // 标记最后一个节点为单词的结尾
        node.setEnd();
    }

    // 检查字典树中是否包含指定单词
    public boolean search(String word) {
        // 先找到指定单词的最后一个节点
        TrieNode node = searchPrefix(word);
        // 如果节点不为空且标记为单词的结尾，则说明单词存在
        return node != null && node.isEnd();
    }

    // 查找指定前缀在字典树中对应的最后一个节点
    private TrieNode searchPrefix(String prefix) {
        TrieNode node = root;
        for (int i = 0; i < prefix.length(); i++) {
            char currentChar = prefix.charAt(i);
            // 如果当前字符对应的子节点不存在，就新建节点
            if (!node.containsKey(currentChar)) {
                node = node.get(currentChar);
            } else {
                return null;
            }
        }
        // 返回最后一个节点
        return node;
    }
}

测试方法

Trie trie = new Trie();
trie.insert("apple");
System.out.println(trie.search("apple")); // 返回 true
System.out.println(trie.search("app"));   // 返回 false

图的解释

前面树的定义，差不多是这样的

用键值对存储每一个字符，然后加上一个检查标记，检查标记用于比对元素，比如我存在apple和app，我检索app时检索到了与apple共用的字符头“app”（代码中的searchPrefix方法），但是p的位置没有结束（fasle），那么找到的app并不能算作一个单词或者完整的字符串与app对应，不应该算找到。方法search相较于上面多判断了查找这个节点是否成功，且是否有结束标记，全部满足后，才将成功结果返回。
然后我们说一下插入功能
和查询一样建立查询然后将单词拆开来问节点，节点是否在子节点中存在不存在就新建一个，先创建一个新的TrieNode对象，添加到当前节点的子节点列表中（也就是加了一个分支）。
这里的put方法是将这里new的空对象和对应的字符作为children添加到本节点里面也就是这儿。

结束值还是空的，就这样添加一个节点，简单结束这次循环。
最后用get方法，将节点移步到下一层，即刚才建立好的新路径，一直往复下去，直到单词已经全部写入，判断不支持运行，循环结束了，将最后一个位置用setEnd打上结束标记，完成这次写入。
那，到这里已经解释完了一次简单的构建和添加，可能有点瑕疵，欢迎指正。