Trie,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),所以经常被搜索引擎系统用于文本词频统计。它的优点是:最大限度地减少无谓的字符串比较,查询效率比哈希表高。
它有3个基本性质:
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。
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。
每个节点的所有子节点包含的字符都不相同。
下面这个图就是Trie的表示,每一条边表示一个字符,如果结束,就用星号表示。在这个Trie结构里,我们有下面字符串,比如do, dork, dorm等,但是Trie里没有ba, 也没有sen,因为在a, 和n结尾,没有结束符号(星号)。
有了这样一种数据结构,我们可以用它来保存一个字典,要查询改字典里是否有相应的词,是否非常的方便呢?我们也可以做智能提示,我们把用户已经搜索的词存在Trie里,每当用户输入一个词的时候,我们可以自动提示,比如当用户输入 ba, 我们会自动提示 bat 和 baii.
现在来讨论Trie的实现。
首先,我们定义一个Abstract Trie,Trie 里存放的是一个Node。这个类里有两个操作,一个是插入,另一个是查询。具体实现放在后面。
实现
Node类:
packagecom.yydcdut;importjava.util.LinkedList;public classNode {char content; //装node中的内容
boolean isEnd; //是否是单词的结尾
int count; //这个单词的这个字母下面分支的个数
LinkedList childList; //子list
/*** 构造函数
*@paramc 单词的字母*/
public Node(charc){
childList= new LinkedList();
isEnd= false;
content=c;
count= 0;
}/*** 遍历一下这个node中LinkedList中是否有这个字母,有就意味着可以继续查找下去,没有就没有。
*@paramc 单词的字母
*@return如果有的话就返回下一个node,没有的话就返回null*/
public Node subNode(charc){if(childList != null){for(Node eachChild : childList){if(eachChild.content ==c){returneachChild;
}
}
}return null;
}
}
具体实现:
packagecom.yydcdut;public classMain {private Node root; //根
/*** 构造函数,生成根*/
publicMain(){
root= new Node(' ');
}/*** 插入函数,先判断是否有这个单词了(通过每个单词字母来判断),如果没有,挨着顺序判断是否有这个字母了,
*如果有这个字幕,继续判断下一个,当没有这个字母的时候,对这个字母new一个node对象,放入到上一个字母的
*LinkedList里面
*@paramword 要插入的单词*/
public voidinsert(String word){//如果找到就返回
if(search(word) == true) return;
Node current=root;for(int i = 0; i < word.length(); i++){
Node child=current.subNode(word.charAt(i));if(child != null){
current=child;
}else{
current.childList.add(newNode(word.charAt(i)));
current=current.subNode(word.charAt(i));
}//单词下面分支数++
current.count++;
}//在单词最后字母那里结束了
current.isEnd = true;
}/*** 查找函数,判断是否已经有隔着单词了
*@paramword 要判断的单词
*@return有这个单词返回true,没有返回false*/
public booleansearch(String word){
Node current=root;for(int i = 0; i < word.length(); i++){if(current.subNode(word.charAt(i)) == null)return false;elsecurrent=current.subNode(word.charAt(i));
}//判断这个单词的这个字母是否在字典里面结束了
if (current.isEnd == true) return true;else return false;
}/*** 删除函数,先判断是否存在这个单词,不存在就跳出,存在就删除掉,每个单词的count都要减1
*@paramword 要删除的单词*/
public voiddeleteWord(String word){if(search(word) == false) return;
Node current=root;for(charc : word.toCharArray()) {
Node child=current.subNode(c);if(child.count == 1) {
current.childList.remove(child);return;
}else{
child.count--;
current=child;
}
}
current.isEnd= false;
}public static voidmain(String[] args) {
Main trie= newMain();
trie.insert("ball");
trie.insert("balls");
trie.insert("sense");
System.out.println(trie.search("balls"));
System.out.println(trie.search("ba"));
trie.deleteWord("balls");
System.out.println(trie.search("balls"));
System.out.println(trie.search("ball"));
}
}
时间复杂度分析:
对于insert, 如果被插入的String长度是 k, 每对一个字符进行查询,我们最多在child linkedlist里面查询26次(最多26个字母),所以,复杂度为O(26*k) = O(k). 对于 search, 复杂度是一样的。
我是天王盖地虎的分割线
trie.zip
参考:http://blog.csdn.net/beiyeqingteng