Trie—单词查找树

听从德兄说好多东家都喜欢这个东西的。。。

 

Trie —单词查找树

l  简介

Trie ， 又称单词查找树、前缀树，是一种哈希树的变种。应用于字符串的统计与排序，经常被搜索引擎系统用于文本词频统计。

含有单词“ tea ”“ tree ”“ A ”“ ZSU ”的一棵 Trie 。

l   性质

n   根节点不包含字符，除根节点外的每一个节点都只包含一个字符。

n   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。

n   每个节点的所有子节点包含的字符都不相同。

l   优点

n   查询快。对于长度为 m 的键值，最坏情况下只需花费 O(m) 的时间；而 BST 最坏情况下需要 O(m log n) 的时间。

n   当存储大量字符串时， Trie 耗费的空间较少。因为键值并非显式存储的，而是与其他键值共享子串。

n   Trie 适用于“最长前缀匹配”。

l   操作

n   初始化或清空

遍历 Trie ，删除所有节点，只保留根节点。

n   插入字符串

1.      设置 当前节点 为 根节点 ，设置 当前字符 为插入字符串中的首个字符；

2.      在 当前节点 的子节点上搜索 当前字符 ，若存在，则将 当前节点 设为值为当前字符的子节点；否则新建一个值为 当前字符 的子节点，并将 当前结点 设置为新创建的节点。 .

3.      将 当前字符 设置为串中的下个字符，若 当前字符 为 0 ，则结束；否则转 2.

n   查找字符串

搜索过程与插入操作类似，当字符找不到匹配时返回假；若全部字符都存在匹配，判断最终停留的节点是否为树叶，若是，则返回真，否则返回假。

n   删除字符串

首先查找该字符串，边查询边将经过的节点压栈，若找不到，则返回假；否则依次判断栈顶节点是否为树叶，若是则删除该节点，否则返回真。

l   实现
对于字符表大小为S的字符串集，需建立一个S叉树来代表这些字符串的集合。

l    代码

trie.h
/**/ /* * 版权所有 (C) 2009 喻扬 中山大学
/* 本程序只作学习用途，未经许可，不得用于任何商业目的。
*/
#include < string .h >

/**/ /*  trie的节点类型  */
template  < int  Size >   // Size为字符表的大小
struct  trie_node  {
     /**/ /*  数据成员  */
     bool  terminable;  // 当前节点是否可以作为字符串的结尾
     int  node;  // 子节点的个数
    trie_node  * child[Size];  // 指向子节点指针

     /**/ /*  构造函数  */
    trie_node() : terminable( false ), node( 0 )  { memset(child,  0 ,  sizeof (child)); }
} ;

/**/ /*  trie  */
template  < int  Size, typename Index >   // Size为字符表的大小，Index为字符表的哈希函数
class  trie  {
public :
     /**/ /*  定义类型别名  */
    typedef trie_node < Size >  node_type;
    typedef trie_node < Size >*  link_type;

     /**/ /*  构造函数  */
    trie(Index i  =  Index()) : index(i)  {}

     /**/ /*  析构函数  */
     ~ trie()  { clear(); }

     /**/ /*  清空  */
     void  clear()  {
        clear_node(root);
         for  ( int  i  =   0 ; i  <  Size;  ++ i) root.child[i]  =   0 ;
    }

     /**/ /*  插入字符串  */
    template  < typename Iterator >
     void  insert(Iterator begin, Iterator end)  {
        link_type cur  =   & root;  // 当前节点设置为根节点
         for  (; begin  !=  end;  ++ begin)  {
             if  ( ! cur -> child[index[ * begin]])  {  // 若当前字符找不到匹配，则新建节点
                cur -> child[index[ * begin]]  =   new  node_type;
                 ++ cur -> node;  // 当前节点的子节点数加一
            }
            cur  =  cur -> child[index[ * begin]];  // 将当前节点设置为当前字符对应的子节点
        }
        cur -> terminable  =   true ;  // 设置存放最后一个字符的节点的可终止标志为真
    }

     /**/ /*  插入字符串，针对C风格字符串的重载版本  */
     void  insert( const   char   * str)  { insert(str, str  +  strlen(str)); }

     /**/ /*  查找字符串，算法和插入类似  */
    template  < typename Iterator >
     bool  find(Iterator begin, Iterator end)  {
        link_type cur  =   & root;
         for  (; begin  !=  end;  ++ begin)  {
             if  ( ! cur -> child[index[ * begin]])  return   false ;
            cur  =  cur -> child[index[ * begin]];
        }
         return  cur -> terminable;
    }

     /**/ /*  查找字符串，针对C风格字符串的重载版本  */
     bool  find( const   char   * str)  {  return  find(str, str  +  strlen(str)); }

     /**/ /*  删除字符串  */
    template  < typename Iterator >
     bool  erase(Iterator begin, Iterator end)  {
         bool  result;  // 用于存放搜索结果
        erase_node(begin, end, root, result);
         return  result;
    }

     /**/ /*  删除字符串，针对C风格字符串的重载版本  */
     bool  erase( char   * str)  {     return  erase(str, str  +  strlen(str)); }

     /**/ /*  按字典序遍历单词树  */
    template  < typename Functor >
     void  traverse(Functor  & execute  =  Functor())  {
        visit_node(root, execute);
    }

private :
     /**/ /*  访问某结点及其子结点  */
    template  < typename Functor >
     void  visit_node(node_type cur, Functor  & execute)  {
        execute(cur);
         for  ( int  i  =   0 ; i  <  Size;  ++ i)  {
             if  (cur.child[i]  ==   0 )  continue ;
            visit_node( * cur.child[i], execute);
        }
    }
     /**/ /*  清除某个节点的所有子节点  */
     void  clear_node(node_type cur)  {
         for  ( int  i  =   0 ; i  <  Size;  ++ i)  {
             if  (cur.child[i]  ==   0 )  continue ;
            clear_node( * cur.child[i]);
            delete cur.child[i];
            cur.child[i]  =   0 ;
             if  ( -- cur.node  ==   0 )  break ;
        }
    }

     /**/ /*  边搜索边删除冗余节点
       返回值用于向其父节点声明是否该删除该节点  */
    template  < typename Iterator >
     bool  erase_node(Iterator begin, Iterator end, node_type  & cur,  bool   & result)  {
         if  (begin  ==  end)  {  // 当到达字符串结尾：递归的终止条件
            result  =  cur.terminable;  // 如果当前节点可以作为终止字符，那么结果为真
            cur.terminable  =   false ;  // 设置该节点为不可作为终止字符，即删除该字符串
             return  cur.node  ==   0 ;  // 若该节点为树叶，那么通知其父节点删除它
        }
         if  (cur.child[index[ * begin]]  ==   0 )  return  result  =   false ;  // 当无法匹配当前字符时，将结果设为假并返回假，
                                                                   // 即通知其父节点不要删除它
         else   if  (erase_node( ++ begin -- , end,  * (cur.child[index[ * begin]]), result))  {  // 判断是否应该删除该子节点
            delete cur.child[index[ * begin]];  // 删除该子节点
            cur.child[index[ * begin]]  =   0 ;  // 子节点数减一
             if  ( -- cur.node  ==   0   &&  cur.terminable  ==   false )  return   true ;  // 若当前节点为树叶，那么通知其父节点删除它
        }
         return   false ;  // 其他情况都返回假
    }

     /**/ /*  根节点  */
    node_type root;

     /**/ /*  将字符转换为索引的转换表或函数对象  */
    Index index;
} ;

l   参考资料

英文维基  http://en.wikipedia.org/wiki/Trie

中文维基  http://zh.wikipedia.org/w/index.php?title=Trie&variant=zh-cn