Trie前缀树简单实现

算法 专栏收录该内容
2 篇文章 0 订阅

Trie树,前缀树,字典树,又称单词查找树或键树,是一种树形结构。
典型应用是用于统计和排序大量的字符串(但不仅限于字符串),可以用于搜索引擎系统,用于文本词频统计。

Trie利用字符串的公共前缀来避免无谓的查找,从而降低查询时间的开销以达到提高效率的目的。

Trie性质:

1.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。
2.每一个节点与它所在树中的位置一起决定了它所代表的字符串(虽然它自身只保存一个char)。
也可以这样理解,每条边对应着一个字符char(事实上是该边指向的节点保存的这个char),从根节点到某一节点,路径上经过的字符连接起来,为该节点所代表的字符串。
3.每个节点的所有子节点包含的字符都不相同。

写了一个简单的有增加,查找功能的Trie树,代码如下

public class Trie {


     /**
     * 节点数据结构
     */
    class Node {
        int val;
        boolean isExist;
        Node[] subs = new Node[26];

        Node(char c) {
            this.val = c;
        }
    }

    /**
     * Initialize 
     */
    private Node root;

    public Trie() {
        root = new Node(' ');
    }

    /**
     * 插入
     */
    public void insert(String word) {
        Node ns = root;
        for (int i = 0; i < word.length(); i++) {
            char c = word.charAt(i);
            if (ns.subs[c - 'a'] == null) {
                ns.subs[c - 'a'] = new Node(c);
            }
            ns = ns.subs[c - 'a'];
        }
        ns.isExist = true;
    }

    /**
     * 查找
     */
    public boolean search(String word) {
        Node ns = root;
        for (int i = 0; i < word.length(); i++) {
            char c = word.charAt(i);
            if (ns.subs[c - 'a'] == null) return false;
            ns = ns.subs[c - 'a'];
        }
        return ns.isExist;
    }

    /**
     * 查找前缀是否存在 
     */
    public boolean startsWith(String prefix) {
        Node ns = root;
        for (int i = 0; i < prefix.length(); i++) {
            char c = prefix.charAt(i);
            if (ns.subs[c - 'a'] == null) return false;
            ns = ns.subs[c - 'a'];
        }
        return true;
    }
}

使用的话,直接new Trie()就可以,非常简洁,树的深度大概为字符串的平均长度,查找效率O(sLen),即为平均插入字符串的长度。

这个应该只是简单版的Trie,以后还有待深入学习。

  • 2
    点赞
  • 0
    评论
  • 0
    收藏
  • 一键三连
    一键三连
  • 扫一扫,分享海报

©️2021 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值