java单词查找树_Trie树 单词查找树 键树（JAVA版附分析说明）

来源于英文“retrieval”.   Trie树就是字符树，其核心思想就是空间换时间。

举个简单的例子。

给你100000个长度不超过10的单词。对于每一个单词，我们要判断他出没出现过，如果出现了，第一次出现第几个位置。

这题当然可以用hash来，但是我要介绍的是trie树。在某些方面它的用途更大。比如说对于某一个单词，我要询问它的前缀是否出现过。这样hash就不好搞了，而用trie还是很简单。

现在回到例子中，如果我们用最傻的方法，对于每一个单词，我们都要去查找它前面的单词中是否有它。那么这个算法的复杂度就是

O(n^2)。显然对于100000的范围难以接受。现在我们换个思路想。假设我要查询的单词是abcd，那么在他前面的单词中，以b，c，d，f之类开

头的我显然不必考虑。而只要找以a开头的中是否存在abcd就可以了。同样的，在以a开头中的单词中，我们只要考虑以b作为第二个字母的……这样一个树的

模型就渐渐清晰了……

假设有b，abc，abd，bcd，abcd，efg，hii这6个单词，我们构建的树就是这样的。

对于每一个节点，从根遍历到他的过程就是一个单词，如果这个节点被标记为红色，就表示这个单词存在，否则不存在。

那么，对于一个单词，我只要顺着他从根走到对应的节点，再看这个节点是否被标记为红色就可以知道它是否出现过了。把这个节点标记为红色，就相当于插入了这个单词。

我们可以看到，trie树每一层的节点数是26^i级别的。所以为了节省空间。我们用动态链表，或者用数组来模拟动态。空间的花费，不会超过单词数×单词长度。(转自一大牛)

Trie树的java代码 实现如下：

import java.util.ArrayList;

import java.util.List;

/**

* 单词查找树

*

* @author Jay Chang

* @since 2012-06-13

*/

class Trie {

/** 单词查找树根节点，根节点为一个空的节点 */

private Vertex root = new Vertex();

/** 单词查找树的节点(内部类) */

private class Vertex {

/** 单词出现次数统计 */

int wordCount;

/** 以某个前缀开头的单词，它的出现次数 */

int prefixCount;

/** 子节点用数组表示 */

Vertex[] vertexs = new Vertex[26];

/**

* 树节点的构造函数

*/

public Vertex() {

wordCount = 0;

prefixCount = 0;

}

}

/**

* 单词查找树构造函数

*/

public Trie() {

}

/**

* 向单词查找树添加一个新单词

*

* @param word

* 单词

*/

public void addWord(String word) {

addWord(root, word.toLowerCase());

}

/**

* 向单词查找树添加一个新单词

*

* @param root

* 单词查找树节点

* @param word

* 单词

*/

private void addWord(Vertex vertex, String word) {

if (word.length() == 0) {

vertex.wordCount++;

} else if (word.length() > 0) {

vertex.prefixCount++;

char c = word.charAt(0);

int index = c - 'a';

if (null == vertex.vertexs[index]) {

vertex.vertexs[index] = new Vertex();

}

addWord(vertex.vertexs[index], word.substring(1));

}

}

/**

* 统计某个单词出现次数

*

* @param word

* 单词

* @return 出现次数

*/

public int countWord(String word) {

return countWord(root, word);

}

/**

* 统计某个单词出现次数

*

* @param root

* 单词查找树节点

* @param word

* 单词

* @return 出现次数

*/

private int countWord(Vertex vertex, String word) {

if (word.length() == 0) {

return vertex.wordCount;

} else {

char c = word.charAt(0);

int index = c - 'a';

if (null == vertex.vertexs[index]) {

return 0;

} else {

return countWord(vertex.vertexs[index], word.substring(1));

}

}

}

/**

* 统计以某个前缀开始的单词，它的出现次数

*

* @param word

* 前缀

* @return 出现次数

*/

public int countPrefix(String word) {

return countPrefix(root, word);

}

/**

* 统计以某个前缀开始的单词，它的出现次数(前缀本身不算在内)

*

* @param root

* 单词查找树节点

* @param word

* 前缀

* @return 出现次数

*/

private int countPrefix(Vertex vertex, String prefixSegment) {

if (prefixSegment.length() == 0) {

return vertex.prefixCount;

} else {

char c = prefixSegment.charAt(0);

int index = c - 'a';

if (null == vertex.vertexs[index]) {

return 0;

} else {

return countPrefix(vertex.vertexs[index], prefixSegment.substring(1));

}

}

}

/**

* 调用深度递归算法得到所有单词

* @return 单词集合

*/

public List listAllWords() {

List allWords = new ArrayList();

return depthSearchWords(allWords, root, "");

}

/**

* 递归生成所有单词

* @param allWords 单词集合

* @param vertex 单词查找树的节点

* @param wordSegment 单词片段

* @return 单词集合

*/

private List depthSearchWords(List allWords, Vertex vertex,

String wordSegment) {

Vertex[] vertexs = vertex.vertexs;

for (int i = 0; i < vertexs.length; i++) {

if (null != vertexs[i]) {

if (vertexs[i].wordCount > 0) {

allWords.add(wordSegment + (char)(i + 'a'));

if(vertexs[i].prefixCount > 0){

depthSearchWords(allWords, vertexs[i], wordSegment + (char)(i + 'a'));

}

} else {

depthSearchWords(allWords, vertexs[i], wordSegment + (char)(i + 'a'));

}

}

}

return allWords;

}

}

public class Main {

public static void main(String[] args) {

Trie trie = new Trie();

trie.addWord("abc");

trie.addWord("abcd");

trie.addWord("abcde");

trie.addWord("abcdef");

System.out.println(trie.countPrefix("abc"));

System.out.println(trie.countWord("abc"));

System.out.println(trie.listAllWords());

}

}

分享到：

2012-06-13 10:27

浏览 4774

评论