数据结构之字典树

最新推荐文章于 2022-02-22 14:40:03 发布
最新推荐文章于 2022-02-22 14:40:03 发布
阅读量696 收藏 9
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_39084521/article/details/90322611
版权

数据结构字典树的学习：

Tire

Trie 树，也叫“字典树”,是一个树形结构。它是一种专门处理字符串匹配的数据结构，用来解决在一组字符串集合中快速查找某个字符串的问题。树的本质，就是利用字符串之间的公共前缀，将重复的前缀合并在一起。

Trie 树的本质，就是利用字符串之间的公共前缀，将重复的前缀合并在一起。

实现

将字符串集合构造成 Trie 树。这个过程分解开来的话，就是一个将字符串插入到 Trie 树的过程。另一个是在 Trie 树中查询一个字符串。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165

import java.util.HashMap;

public class Trie_Tree{
	 

	private class Node{
		private int dumpli_num;该字串的重复数目，  该属性统计重复次数的时候有用,取值为0、1、2、3
		private int prefix_num;///以该字串为前缀的字串数， 应该包括该字串本身！！！！！
		private Node childs[];此处用数组实现，当然也可以map或list实现以节省空间
		private boolean isLeaf;///是否为单词节点
		public Node(){
			dumpli_num=0;
			prefix_num=0;
			isLeaf=false;
			childs=new Node[26];
		}
	}	
	
	private Node root;///树根  
	public Trie_Tree(){
		///初始化trie 树
		root=new Node();
	}
	
	/**
	 * 插入字串，用循环代替迭代实现
	 * @param words
	 */
	public void insert(String words){
		insert(this.root, words);
	}
	/**
	 * 插入字串，用循环代替迭代实现
	 * @param root
	 * @param words
	 */
	private void insert(Node root,String words){
		words=words.toLowerCase();转化为小写
		char[] chrs=words.toCharArray();
		
		for(int i=0,length=chrs.length; i<length; i++){
			///用相对于a字母的值作为下标索引，也隐式地记录了该字母的值
			int index=chrs[i]-'a';
			if(root.childs[index]!=null){
				已经存在了，该子节点prefix_num++
				root.childs[index].prefix_num++;
			}else{
				///如果不存在
				root.childs[index]=new Node();
				root.childs[index].prefix_num++;				
			}	
			
			///如果到了字串结尾，则做标记
			if(i==length-1){
				root.childs[index].isLeaf=true;
				root.childs[index].dumpli_num++;
			}
			///root指向子节点，继续处理
			root=root.childs[index];
		}
		
	}
	
	
	/**
	 * 遍历Trie树，查找所有的words以及出现次数
	 * @return HashMap<String, Integer> map
	 */
	public HashMap<String,Integer> getAllWords(){		
		return preTraversal(this.root, "");
	}
	
	/**
	 * 前序遍历。。。
	 * @param root		子树根节点
	 * @param prefixs	查询到该节点前所遍历过的前缀
	 * @return
	 */
	private  HashMap<String,Integer> preTraversal(Node root,String prefixs){
		HashMap<String, Integer> map=new HashMap<String, Integer>();
		
		if(root!=null){
			
			if(root.isLeaf==true){
			当前即为一个单词
				map.put(prefixs, root.dumpli_num);
			}
			
			for(int i=0,length=root.childs.length; i<length;i++){
				if(root.childs[i]!=null){
					char ch=(char) (i+'a');
					递归调用前序遍历
					String tempStr=prefixs+ch;
					map.putAll(preTraversal(root.childs[i], tempStr));
				}
			}
		}		
		
		return map;
	}
	
	
	
	
	/**
	 * 判断某字串是否在字典树中
	 * @param word
	 * @return true if exists ,otherwise  false 
	 */
	public boolean isExist(String word){
		return search(this.root, word);
	}
	/**
	 * 查询某字串是否在字典树中
	 * @param word
	 * @return true if exists ,otherwise  false 
	 */
	private boolean search(Node root,String word){
		char[] chs=word.toLowerCase().toCharArray();
		for(int i=0,length=chs.length; i<length;i++){
			int index=chs[i]-'a';
			if(root.childs[index]==null){
				///如果不存在，则查找失败
				return false;
			}			
			root=root.childs[index];			
		}
		
		return true;
	}
	
	/**
	 * 得到以某字串为前缀的字串集，包括字串本身！ 类似单词输入法的联想功能
	 * @param prefix 字串前缀
	 * @return 字串集以及出现次数，如果不存在则返回null
	 */
	public HashMap<String, Integer> getWordsForPrefix(String prefix){
		return getWordsForPrefix(this.root, prefix);
	}
	/**
	 * 得到以某字串为前缀的字串集，包括字串本身！
	 * @param root
	 * @param prefix
	 * @return 字串集以及出现次数
	 */
	private HashMap<String, Integer> getWordsForPrefix(Node root,String prefix){
		HashMap<String, Integer> map=new HashMap<String, Integer>();
		char[] chrs=prefix.toLowerCase().toCharArray();
		
		for(int i=0, length=chrs.length; i<length; i++){
			
			int index=chrs[i]-'a';
			if(root.childs[index]==null){
				return null;
			}
			
			root=root.childs[index];
		
		}
		///结果包括该前缀本身
		///此处利用之前的前序搜索方法进行搜索
		return preTraversal(root, prefix);
	}
	   
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

import java.util.HashMap;

public class Trie_Test {

    public static void main(String args[])  //Just used for test
    {
        Trie_Tree trie = new Trie_Tree();
        trie.insert("HELLO");
        trie.insert("Hadoop");
        trie.insert("Hadoop");
        trie.insert("Spark");
        trie.insert("Flink");
        trie.insert("Hbase");
        trie.insert("Hive");
        trie.insert("Flume");
        trie.insert("Kafka");

        HashMap<String, Integer> map = trie.getAllWords();

        for (String key : map.keySet()) {
            System.out.println(key + " 出现: " + map.get(key) + "次");
        }


        map = trie.getWordsForPrefix("H");

        System.out.println("\n\n包含H（包括本身）前缀的单词及出现次数：");
        for (String key : map.keySet()) {
            System.out.println(key + " 出现: " + map.get(key) + "次");
        }

        if (trie.isExist("Storm") == false) {
            System.out.println("\n\n字典树中不存在：Storm ");
        }
    }
}

参考资料

https://blog.csdn.net/abcd_d_/article/details/40116485

清风笑丶
关注
  • 1
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
vb6实现union数据结构_高级数据结构：并查集 详解
weixin_39527163的博客
12-14 265
1.逻辑概念：给定n个集合。 {1} {2} {3} {4} {5}.. .. ... .. .. ..提供的操作：1.判断两个元素是否在同一集合里 is_same_size 2.合并两个集合union首先：任何容器，任何数据结构去完成这两个操作都是很简单了，判断是否在一个集合里，只需要遍历一下然后判断。但是这样的操作，时间复杂度很高，O（n...
[数据结构] 字典树
逆风的方向 更适合飞翔
11-21 2696
字典树百度百科：又称单词查找树，Trie树，是一种树形结构，是一种哈希树的变种。典型应用是用于统计，排序和保存大量的字符串（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：利用字符串的公共前缀来减少查询时间，最大限度地减少无谓的字符串比较，查询效率比哈希表高。 学习了字典树之后，觉得它很明显的就是用空间来换时间，空间复杂度特别大，比如字典数单单存26个小写字母，那么每个节
Trie（字典树）
_Griefs
08-24 241
一、基本概念：    Trie（字典树）是一种用于实现字符串快速检索的多叉树结构。Tire的每个节点都拥有若干个字符指针，若在插入或检索字符串时扫描到一个字符c，就沿着当前节点的c字符指针，走向该指针指向的节点。    初始化：    一棵空Trie仅包含一个根节点，该点的字符指针均指向空。    插入：    当需要插入一个字符串S时，我们令一个...
[数据结构]字典树
qq_45803411的博客
11-14 524
字典树，是一种树型的数据结构，又称 Trie树、前缀树，用于高效地存储、检索大量字符串。利用字符串的公共前缀来减少查询时间，最大限度地减少无谓的字符串比较。树中的边来代表有无字符以及是哪个字符，每个节点存储的信息有是否为单词结尾以及后续字符是什么。 字典树的性质： 1、根节点不表示字符串 2、从根节点到某个节点，经过路径上所有的字符连起来就是该节点对应的字符串 字典树节点里面存储的信息： 用一个布尔值表示从根节点到当前节点为止，该路径是否形成了一个有效（有意义）的字符串 children 是个数组，里面
【数据结构】 字典树
Hello World!
03-05 728
字典树又称单词查找树，Trie树，是一种树形结构，是一种哈希树的变种。典型应用是用于统计，排序和保存大量的字符串（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：利用字符串的公共前缀来减少查询时间，最大限度地减少无谓的字符串比较，查询效率比哈希树高。
Python数据结构与算法之字典树实现方法示例
09-21
字典树（Trie Tree），又称前缀树或字典树，是一种特殊的树形数据结构，主要用于存储关联数组，尤其是字符串。这种数据结构允许我们快速查找具有相同前缀的字符串，例如在搜索引擎中进行关键词匹配或统计词频。 在...
集美大学数据结构课程设计 字典树.zip
最新发布
12-28
集美大学数据结构课程设计 字典树 集美大学数据结构课程设计 字典树 集美大学数据结构课程设计 字典树 集美大学数据结构课程设计 字典树 集美大学数据结构课程设计 字典树 集美大学数据结构课程设计 字典树 集美大学...
常见的字典数据结构实现
07-27
本篇文章将深入探讨几种常见的字典数据结构实现，包括二叉搜索树（Binary Search Tree）、红黑树（Red-Black Tree）、平衡树（Balanced Tree）以及跳跃列表（Skip List），同时也将提及有序数组（Sorted Array）作为...
数据结构课设三：实现字典查询
04-24
在对树形结构的了解逐渐加深后，会接触到树的更...平衡二叉树便是其中一例，实现字典查询功能可以用平衡二叉树来实现，也可以用哈希表等数据结构实现，该代码便是用平衡二叉树实现。代码在vs2017中可运行，仅供参考。
数据结构-字典树
LiuRenyou的博客
01-04 527
数据结构-字典树什么是字典树源代码基于TreeMap的存储方案基于数组的存储方式部分算法解析match算法delete算法参考 什么是字典树 字典树又称Trie,单词查找树，典型用于统计，查找大量字符串，典型应用有通讯录，前缀搜索，搜索自动补全，打字补全等。如下图所示，树中存储单词cat,dog,deer, pan, panda BST搜索树的时间复杂度为O(logn), trie的时间复杂度为O(w),w为单词长度 源代码 基于TreeMap的存储方案 public class Trie {
常用数据结构字典树算法
10-15
字典树算法，可以很方便的实现多叉树，而且查找复杂度教低，是ACM算法设计常用数据结构
数据结构之字典树（Trie）
dev晴天的博客
08-29 392
字典树又叫前缀树，一种专门针对字典设计的数据结构，通常使用这种数据结构来处理字符串。 知识点 产生背景 假如有n个单词，放入map中（底层以树实现）搜索时时间复杂度为o（logn）假如有100万个单词logn 大约为20，而字典树这种数据结构做到了与个数n无关，只与单词的个数有关，单词有几个字母，时间复杂度就是几。优于单词的字母一般都是20以内，大大提高了效率。 设计推导 1、字典树 1、字典树是一个多叉树，树的内部存储了每个单词的字母。 2、我们可以设计如下节点从根节点开始，每个节点都有26个.
数据结构之字典树(前缀树)
qq_26105397的博客
02-22 539
1.字典树概念 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。 2.字典树特点 1,跟节点不存储数据 2,每个节点仅存储一个字符 3,从根节点到每个节点上的路径，表示当前节点的表示的字符串(如果该节点是叶子结点),或者是字符串的前缀 4,每个节点的所有子节点包含的字符串不相同。 3,代码示例 package main imp
字典树--数据结构
qq_35747066的博客
08-17 538
208.Implement Trie (Prefix Tree) Medium 176334FavoriteShare Implement a trie withinsert,search, andstartsWithmethods. Example: Trie trie = new Trie(); trie.insert("apple"); trie.search("ap...
数据结构与算法 字典树
桀骜的博客
10-09 147
简介 字典树又称单词查找树，Trie树，是一种树形结构，是一种哈希树的变种。典型应用是用于统计，排序和保存大量的字符串（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：利用字符串的公共前缀来减少查询时间，最大限度地减少无谓的字符串比较，查询效率比哈希树高。 （图片源自百度百科） 实现 /** * 字典树 * * @桀骜 2018/8/3 */ #in...
字典树
A_Pathfinder的博客
07-24 386
字典树，也称前缀树，是一种哈希树的变种。典型应用是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。主要思想是用时间来换空间。 上面这棵Trie树包含的字符串集合是{in, inn, int, tea, ten, to}。每个节点的编号是我们为了描述方便加上去的。树中的每一条边上都标识有一...
玩转数据结构(17)-- 字典树
姜皓的博客
07-25 583
字典树(Tire)[前缀树] 一、概述 【多叉树】 专门处理字符串，专门为 字典(一个词条和一个示意相对应)设计的数据结构； 在 字典 中，有 n 个词条，使用 映射 方式查找，本质是使用 树结构 ，查询的时间复杂度是 O(log n); 使用 字典树(Tire) 的数据结构时，查询每个词条的时间复杂度与 字典 中一共有多少条目无关；与查询字符串[单词]的长度 w 相关，时间复杂度为...
算法与数据结构-字典树
ni_new_sm_new的博客
02-28 218
前言 大四重拾算法与数据结构，所有内容为自己的阶段小结所以并不是技术性文章，如有兴趣阅读，遇到问题不妨给我留个言，万分感谢！ 字典树 复杂度为O(l) l为字符串的长度 比较简单直接付码 package Trie; import java.util.HashMap; public class Trie { private class Node { public boolean isWor...
c++数据结构字典树
11-19
字典树（Trie）是一种树形结构，用于高效地存储和检索字符串数据集中的键值。它的核心思想是利用字符串之间的公共前缀，将重复的前缀合并在一起，从而减少存储空间和查询时间。下面是一个简单的C++实现： ```c++ #include <iostream> #include <unordered_map> using namespace std; class TrieNode { public: unordered_map<char, TrieNode*> children; bool is_word; TrieNode() { is_word = false; } ~TrieNode() { for (auto& child : children) { delete child.second; } } }; class Trie { public: Trie() { root = new TrieNode(); } ~Trie() { delete root; } void insert(string word) { TrieNode* node = root; for (char c : word) { if (!node->children.count(c)) { node->children[c] = new TrieNode(); } node = node->children[c]; } node->is_word = true; } bool search(string word) { TrieNode* node = root; for (char c : word) { if (!node->children.count(c)) { return false; } node = node->children[c]; } return node->is_word; } bool startsWith(string prefix) { TrieNode* node = root; for (char c : prefix) { if (!node->children.count(c)) { return false; } node = node->children[c]; } return true; } private: TrieNode* root; }; int main() { Trie trie; trie.insert("apple"); cout << trie.search("apple") << endl; // 输出：1 cout << trie.search("app") << endl; // 输出：0 cout << trie.startsWith("app") << endl; // 输出：1 trie.insert("app"); cout << trie.search("app") << endl; // 输出：1 return 0; } ```

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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