Trie 字典树

Trie 字典树

---

1.1、定义

字典树，顾名思义，是关于“字典”的一棵树。即：它是对于字典的一种存储方式（所以是一种数据结构而不是算法）。这个词典中的每个“单词”就是从根节点出发一直到某一个目标节点的路径，路径中每条边的字母连起来就是一个单词。

1.2、字典树描述

其结点具有以下字段：。
最多 RR 个指向子结点的链接，其中每个链接对应字母表数据集中的一个字母。
本文中假定 RR 为 26，小写拉丁字母的数量。
布尔字段，以指定节点是对应键的结尾还是只是键前缀。
树中黄色节点表示目标节点，在此节点以上可组成一个单词

// 可获取如下字符串
a
abc
bac
bbc
ca

1.3、使用场景

字典树的本质是把很多字符串拆成单个字符的形式，以树的方式存储起来。所以我们说字典树维护的是”字典“。那么根据这个最基本的性质，我们可以由此延伸出字典树的很多妙用。简单总结起来大体如下：

• 1、维护字符串集合（即字典）。
• 2、向字符串集合中插入字符串（即建树）。
• 3、查询字符串集合中是否有某个字符串（即查询）。
• 4、统计字符串在集合中出现的个数（即统计）。
• 5、将字符串集合按字典序排序（即字典序排序）。
• 6、求集合内两个字符串的LCP（Longest Common Prefix，最长公共前缀）（即求最长公共前缀）。

自动补全

拼写检查

IP路由（最长前缀匹配）

打字预测

单词游戏

匹配过程

Java实现 Trie 字典树

---

2.1、数据结构

Java代码实现

public class TrieNode{
    // 建立数组存储子字符串（建立Node）
    private TrieNode[] links;

    // 由于一个单词（小写），最多只有26个字母
    private final int R = 26 ;
    
    //判断当前节点是否为结束节点
    private boolean isEnd;

    // 构造函数
    public TireNode(){
      links = new TrieNode[R];
    }

    public boolean containsKey(char ch) {
        return links[ch -'a'] != null;
    }
    public TrieNode get(char ch) {
        return links[ch -'a'];
    }
    public void put(char ch, TrieNode node) {
        links[ch -'a'] = node;
    }
    public void setEnd() {
        isEnd = true;
    }
    public boolean isEnd() {
        return isEnd;
    }
}

2.2、数据操作

对于树这种数据结构，很多时候我们都比较关注与两点：“查询” 与 “ 插入”数据

2.2.1、插入数据

我们通过搜索 Trie 树来插入一个键。我们从根开始搜索它对应于第一个键字符的链接。有两种情况：
补充每个键在 trie 中表示为从根到内部节点或叶的路径。
1、链接存在。沿着链接移动到树的下一个子层。算法继续搜索下一个键字符。
2、链接不存在。创建一个新的节点，并将它与父节点的链接相连，该链接与当前的键字符相匹配。
重复以上步骤，直到到达键的最后一个字符，然后将当前节点标记为结束节点，算法完成。

如图

Java代码实现

    public class Trie{
    
    private TrieNode root ;
    
    public Trie(){
        root = new TrieNoe();
    }

    // 插入数据
    public void insert(String word){
        TrieNode node = root ;
    
        for(int i=0;i<word.length() ;i++){
                char currentChar = word.charAt(i);
                if(!node.containKeys(currentChar)){
                    node.put(currentChar,new TrieNode());
                }
                node = node.get(currentChar);
            }
            node.isEnd();
        }

    }

2.2.2、查询数据

每个键在 trie 中表示为从根到内部节点或叶的路径。我们用第一个键字符从根开始，。检查当前节点中与键字符对应的链接。有两种情况：

1、存在链接。我们移动到该链接后面路径中的下一个节点，并继续搜索下一个键字符。
2、不存在链接。若已无键字符，且当前结点标记为 isEnd，则返回 true。否则有两种可能，均返回 false :
（1）、还有键字符剩余，但无法跟随 Trie 树的键路径，找不到键。
（2）、没有键字符剩余，但当前结点没有标记为 isEnd。也就是说，待查找键只是Trie树中另一个键的前缀。

如图

    public class Trie{
    
    private TrieNode root ;
    
    public Trie(){
        root = new TrieNoe();
    }

    // 查询数据，并返回结束时的Node点
    public TrieNode searchPrefix(String word){
        TrieNode node = root ; 
        for(inti = 0 ;i<word.length();i++){
            char currentChar = word.charAt(i);
            if(node.containKeys(currentChar)){
                node = node.get(currentChar);
            }else{
                return null;
            }
        }
          return node ;
    }
      

        // 判断查询结束时，返回node节点为目标节点且不为空 
        public  boolean search(String word){
            TireNode node = searchPrefix(word);
               return node !=null &&node.isEnd();
        }
    }

扩展

查询Trie树的键前缀

该方法与在 Trie 树中搜索键时使用的方法非常相似。我们从根遍历 Trie 树，直到键前缀中没有字
符，或者无法用当前的键字符继续 Trie 中的路径。与上面提到的“搜索键”算法唯一的区别是，到
达键前缀的末尾时，总是返回 true。我们不需要考虑当前 Trie 节点是否用 “isend” 标记，因为我
们搜索的是键的前缀，而不是整个键。

如图

Java代码实现

 public boolean startsWith(String prefix){
    TrieNode node = searchPrefix(prefix);
    return node!=null;
}