[数据结构] 字典树

字典树又被称作Trie树,其效率非常高,所以在字符串查找,前缀匹配中应用非常广泛,其高效率是以空间为代价的。典型应用是用于统计和排序大量的字符串,它的优点是,最大限度地减少无谓的字符串比较,查询效率比哈希表更高。Trie树的核心思想是以空间换时间。利用字符串的公共前缀来降低查询时间的开销以达到提高效率的目的。Trie树的基本性质可以归纳为: - 根节点不包含字符,除根节点以外,每个节点只包含一个
摘要由CSDN通过智能技术生成

字典树又被称作Trie树,其效率非常高,所以在字符串查找,前缀匹配中应用非常广泛,其高效率是以空间为代价的。典型应用是用于统计和排序大量的字符串,它的优点是,最大限度地减少无谓的字符串比较,查询效率比哈希表更高。

Trie树的核心思想是以空间换时间。利用字符串的公共前缀来降低查询时间的开销以达到提高效率的目的。

Trie树的基本性质可以归纳为:
- 根节点不包含字符,除根节点以外,每个节点只包含一个字符。
- 从根节点到某一个节点,路径上经过的字符连接起来,就是该节点对应的字符串。
- 每个节点的所有子节点包含的字符串不相同。

Trie树有一些特性:
- 如果字符的种类数量为n,那么每个结点的出度为n,这也是空间换时间的体现,浪费了很多的空间。
- 插入查找的复杂度为O(n),n为字符串长度。

基本思想:
1、插入过程:
对于一个单词,从根开始,沿着单词的各个字母所对应的树中的节点分支往下走,直到单词遍历完,将最后的节点标记为红色,表示该单词已经插入Trie树。
2、查询
同样的,从根开始单词的字母顺序向下遍历Trie树,一旦发现某个节点标记不存在或者单词遍历完成而最后的节点未标记为红色,则表示单词不存在;若最后的节点标记为红色,表示该单词存在。

二、Trie树的数据结构:
下面以英文单词构建的字典树为例,假设所有统计的字母都是小写字母,那么这棵Trie树中,每个节点包括26个孩子节点。
声明一个包含Trie树的节点信息的结构体:


                
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
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、付费专栏及课程。

余额充值