字典树Trie的简单理解

1. 字典树又叫Trie树，是单词储存的一种树形结构。最典型的的应用是统计、排序和保存大量字符串。可以插入单词、统计单词的个数、公共前缀的单词数量，单词的查找功能等。
2. 我们先定义字典树节点的数据结构：
3. typedef struct Node
   {
   char value; //表示该节点储存的英文字母
   Node *child[26];//用孩子表示下个字母的
   bool isWorld; //表示该节点是否为单词
   Node()
   {
   for (int i = 0; i < 26; i++)
   {
   this->child[i] = nullptr;//初始化默认为nullptr
   this->isWorld = false;//初始化默认节点为非单词。
   }
   }
   }TrieNode;
   TrieNode *root = nullptr;//定义根节点，字典树中根节点是不存放字母的（也不知道存放哪个啊）
   下面是插入单词的代码，通过对判断节点是否存在字母孩子，来进行节点的是否创建。
   void insertWorld(char *str)
   {
   if (root == nullptr)
   {
   root = new TrieNode();
   }
   char *str1 = str;
   TrieNode *proot = root;
   while (*str1 != ‘\0’)
   {
   char temp = *str1;
   if (proot->child[temp - ‘a’] != nullptr)
   {
   proot = proot->child[temp - ‘a’];
   }
   else
   {
   TrieNode *tempNode = new TrieNode();
   tempNode->value = temp;
   proot->child[temp - ‘a’] = tempNode;
   proot = proot->child[temp - ‘a’];
   }
   str1++;
   }
   proot->isWorld = true;//当str1遍历完毕后，把该节点表示单词的变量改为true。这是我们进行单词统计、查找的依据。
   }
   单词个数统计代码，我们采用递归的办法来进行单词的统计。
   int calcCountOfWorld(TrieNode *node)//该函数在统计单词公有前缀的时候还会用到，单独写出来。
   {
   if (node == nullptr)
   {
   return 0;
   }
   int sum = 0;
   if (node->isWorld == true)//判读当前节点是否为单词节点。
   {
   sum = 1;
   }
   for (int i = 0; i < 26; i++)
   {
   sum += calcCountOfWorld(node->child[i]);//遍历所有的孩子进行单词统计。
   }
   return sum;
   }
   int sumOfWorld()
   {
   TrieNode *proot = root;
   if (proot == nullptr)
   {
   return 0;
   }
   int sum = 0;
   for (int i = 0; i < 26; i++)
   {
   sum += calcCountOfWorld(proot->child[i]);
   }
   return sum;
   }
   单词查找，下面是单词查找的代码：
   bool searchWorld(char *str)
   {
   TrieNode *proot = root;
   if (proot == nullptr)
   {
   return false;
   }
   char *str1 = str;
   while (*str1 != ‘\0’)
   {
   char temp = *str1;
   if (proot->child[temp - ‘a’] == nullptr)
   {
   return false;//如果某个单词的字母不存在，直接返回false
   }
   else
   {
   proot = proot->child[temp - ‘a’];
   }
   str1++;
   }
   return proot->isWorld == true;//即使该字符串的所有单词都存在也要判断该节点是否为单词节点。
   }
   统计相同的单词前缀的数量，代码如下：
   int sumOfPrefix(char *str)
   {
   TrieNode *proot = root;
   if (proot == nullptr)
   {
   return 0;
   }
   char *str1 = str;
   while (*str1 != ‘\0’)
   {
   char temp = *str1;
   if (proot->child[temp - ‘a’] == nullptr) //为nllptr，说明不存在该单词前缀
   {
   return 0;
   }
   else
   {
   proot = proot->child[temp - ‘a’];
   }
   str1++;
   }
   return calcCountOfWorld(proot);//直接利用这个函数calcCountOfWorld计算该节点下的单词数量。
   }
   主函数以及验证代码
   int main()
   {
   insertWorld(“internet”);
   insertWorld(“apple”);
   insertWorld(“bee”);
   insertWorld(“teacher”);
   insertWorld(“student”);
   insertWorld(“interesting”);
   insertWorld(“interested”);
   insertWorld(“interest”);
   insertWorld(“monkey”);
   insertWorld(“panda”);
   insertWorld(“rabbit”);
   cout << sumOfWorld() << endl;
   cout << searchWorld(“beee”) << endl;
   cout << searchWorld(“bee”) << endl;
   cout << searchWorld(“interest”) << endl;
   cout << sumOfPrefix(“interest”) << endl;
   cout << sumOfPrefix(“inter”) << endl;
   cout << sumOfPrefix(“bee”) << endl;
   system(“pause”);
   return 0;
   }

验证结果截图：

结果执行还是很正确的啊
以上是字典树和基本功能的简单实现。实际上字典树的优化点还可以在单词的存储上做文章。我没没必要一下子高26个孩子。我可以按照单词的前缀按需，读单词进行分解，来进行存储。这样的存储空间更少。利用率更高。