leetcode前缀树java_java 前缀树实现 leetcode 208: Implement Trie (Prefix Tree)-Go语言中文社区...

标准 Trie树的查找：

对于英文单词的查找，我们完全可以在内部结点中建立26个元素组成的指针数组。如果要查找a，只需要在内部节点的指针数组中找第0个指针即可(b=第1个指针，随机定位)。时间复杂度为O(1)。

查找过程：假如我们要在上面那棵Trie中查找字符串bull (b-u-l-l)。

(1) 在root结点中查找第('b'-'a'=1)号孩子指针，发现该指针不为空，则定位到第1号孩子结点处——b结点。

(2) 在b结点中查找第('u'-'a'=20)号孩子指针，发现该指针不为空，则定位到第20号孩子结点处——u结点。

(3) ... 一直查找到叶子结点出现特殊字符'$'位置，表示找到了bull字符串

如果在查找过程中终止于内部结点，则表示没有找到待查找字符串。

效率：

对于有n个英文字母的串来说，在内部结点中定位指针所需要花费O(d)时间，d为字母表的大小，英文为26。由于在上面的算法中内部结点指针定位使用了数组随机存储方式，因此时间复杂度降为了O(1)。但是如果是中文字，下面在实际应用中会提到。因此我们在这里还是用O(d)。 查找成功的时候恰好走了一条从根结点到叶子结点的路径。因此时间复杂度为O(d*n)。

但是，当查找集合X中所有字符串两两都不共享前缀时，trie中出现最坏情况。除根之外，所有内部结点都自由一个子结点。此时的查找时间复杂度蜕化为O(d*(n^2)

5.JAVA源代码

class TrieNode {

//存储子节点

TrieNode[] children=new TrieNode[26];

//存储一条记录，即对应一个单词

String item="";

// Initialize your data structure here.

public TrieNode() {

}

}

public class Trie {

private TrieNode root;

public Trie() {

root = new TrieNode();

}

// Inserts a word into the trie.

public void insert(String word) {

TrieNode node=this.root;

for(char c:word.toCharArray())

{

if(node.children[c-'a']==null)

{

node.children[c-'a']=new TrieNode();

}

node=node.children[c-'a'];

}

node.item=word;

}

// Returns if the word is in the trie.

public boolean search(String word) {

TrieNode node=this.root;

for(char c:word.toCharArray())

{

if(node.children[c-'a']==null)

{

return false;

}

node=node.children[c-'a'];

}

return node.item.equals(word);

}

// Returns if there is any word in the trie

// that starts with the given prefix.

public boolean startsWith(String prefix) {

TrieNode node=this.root;

for(char c:prefix.toCharArray())

{

if(node.children[c-'a']==null)

{

return false;

}

node=node.children[c-'a'];

}

return true;

}

}