算法总结四：Trie到底有什么好处？

1.Trie是什么？

Trie，取自“retrieval”检索，又称前缀树或字典树，是一种有序树，，用于保存关联数组，其中的键通常是字符串。与二叉查找树不同，键不是直接保存在节点中，而是由节点在树中的位置决定。一个节点的所有子孙都有相同的前缀，也就是这个节点对应的字符串，而根节点对应空字符串。
In computer science, a trie, also called digital tree or prefix tree, is a kind of search tree—an ordered tree data structure used to store a dynamic set or associative array where the keys are usually strings. Unlike a binary search tree, no node in the tree stores the key associated with that node; instead, its position in the tree defines the key with which it is associated; i.e., the value of the key is distributed across the structure. All the descendants of a node have a common prefix of the string associated with that node, and the root is associated with the empty string. （from wikipedia）

2.有什么性质？
从图中可以明确看出：
a.根节点为空
b.节点中没有字符，字符是在路径上的。经过即得。
c.每个节点下方，最多有26中可能，每个节点分支节点都是独特的。
d.为了使用方便，通常为组成有效单词的节点“染色”，标记“isWord”。

  class TrieNode{
   
        TrieNode[] children=new TrieNode[26];
        boolean isWord;
  }

3.有什么好处？

优点是速度快，Trie树的查询复杂度在最差情况下是 O(length(input))，Hash 只能做到在平均情况下 O(length(input))

Trie的应用，通过建树的方式，用空间换取了时间。如此一来，搜索中出现大量重复的单词，不用每次一一匹配每一个char。
不过，

当字符串数量多的时候，比二叉树和哈希表更省空间。 可以做前缀比较，重要功能之一是用来做输入提示。（from zhihu）

比如搜索dog和dogs，d-o-g部分不用重复存储。
insert/delete/find都是o(m), m是word的长度。

它的核心思想就是通过最大限度地减少无谓的字符串比较，使得查询高效率，即「用空间换时间」，再利用共同前缀来提高查询效率。
from知乎

5.如何build Trie？
There are two ways: to build the TrieNode
one use arrays: TrieNode[]children
node.children[w.charAt(i)-‘a’];
one use map: Map<char,TrieNode>
node.children.get(char);可以查看是否存在相应的TrieNode

    class TrieNode{
   
        TrieNode[] children=new TrieNode[26];
        boolean isWord;
    }
    
    private TrieNode buildTrie(String[] words){
   
             TrieNode root=new TrieNode();
             for(String w:words){
   
                 TrieNode cur=root;

                 for(int i=0;i<w.length();i++){
   
                     TrieNode next=cur.children[w.charAt(i)-'a'];
                     if(next==null){
   //next在图中不存在
                         next=new TrieNode();//扔一块空石头
                         cur.children[w.charAt(i)-'a']=next;//安插入队
                     }
                     cur=next;//无论是新加一个node还是原来途中有，都需要往下走
                 }
                 cur.isWord=true;
             }
             return root;
     }
         //https://leetcode.com/problems/implement-trie-prefix-tree/discuss/58832/AC-JAVA-solution-simple-using-single-array/200487/

利用Map来建设Trie

class TrieNode {
   
    Map<Character, TrieNode> children = new HashMap();
    boolean word = false;
    public TrieNode() {
   }
}

class WordDictionary {
   
    TrieNode root;
    /** Initialize your data structure here. */
    public WordDictionary() {
   
        root = new TrieNode();
    }
    /** Adds a word into the data structure. */
    public void addWord(String word) {
   
        TrieNode node = root;
        for (char ch : word.toCharArray()) {
   
            if (!node.children.containsKey(ch)) {
   //next在图中不存在
                node.children.put(ch, new TrieNode());//安插入队
            }
            node = node.children.get(ch);//往下走
        }
        node.word = true;
    }
}

from leetcode

Trie树的插入操作

Trie树的插入操作很简单，其实就是将单词的每个字母逐一插入 Trie树。插入前先看字母对应的节点是否存在，存在则共享该节点，不存在则创建对应的节点。比如要插入新单词cook，
就有下面几步：
插入第一个字母 c，发现 root 节点下方存在子节点 c， 则共享节点 c
插入第二个字母 o， 发现 c 节点下方存在子节点 o，则共享节点 o
插入第三个字母 o，发现 o 节点下方不存在子节点 o，则创建子节点 o
插入第四个字母 k，发现 o 节点下方不存在子节点 k，则创建子节点 k
至此，单词 cook 中所有字母已被插入 Trie树 中，然后设置节点 k 中的标志位，标记路径 root->c->o->o->k这条路径上所有节点的字符可以组成一个单词cook。

Trie树的查找操作

在 Trie 树中查找一个字符串的时候，比如查找字符串 code，可以将要查找的字符串分割成单个的字符 c，o，d，e，然后从 Trie 树的根节点开始匹配。
如果要查找的是字符串cod(鳕鱼)呢？
还是可以用上面同样的方法，从根节点开始，沿着某条路径来匹配，如图所示，绿色的路径，是字符串cod匹配的路径。但是，路径的最后一个节点「d」并不是橙色的，并不是单词标志位，所以cod字符串不存在!
条件：这个char存在路径中，是单词的最后一个char，标志位true，

class TrieNode{
   
	Map<Character, TrieNode> children = new HashMap();
    boolean isword