数据结构与算法之字典树 (力扣208、力扣472)

字典树的介绍和使用

1. 什么是字典树

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。—百度百科

由此我们可以总结，字典树可以用于快速查找字符串是否存在，
例如，我们有一个字符串数组

vector<string> vec = {
   "ac","ad","ba","bde","c","cde","cdf"};

我们想要查询到以cd为前缀的字符串，我们需要对所有的字符串进行字符比较，当数据量大时会浪费许多时间。这类问题便可以使用字典树解决。（如下图，红色标记表示单词结束）

当查询cd前缀的字符串时，只需要统计d的非空子节点即可。

2. 字典树的实现

（LeetCode 208 跳转)

2.1 节点设计

目前我们了解到字典树应该是一种多叉树模型，但普通的多叉树的节点构成应该是这样的。

struct TreeNode {
   
	//节点值
	int val;
	//存放孩子节点的数组
	vector<TreeNode*> children;
};

字典树与其相似，但我们不再需要节点值，而是以一种标记来确定某个字符是不是当前字符串的结尾，并利用一个字母映射表来找到父节点的下一个节点。由此，我们可以写出字典树的节点设计：

struct TrieNode {
   
	//标记当前是否是字符串末尾
	bool isEnd;
	//下一位可能出现的26个字母表
	vector<TrieNode*> children;
	//构造函数
	TrieNode() {
   
		isEnd = false;
		children = vector<TrieNode*>(26, nullptr);
	}
};

2.2 插入字符串

例如：我们要向Trie中插入一个字符串"cdf"，但我们之前已经插入过拥有共同前缀的单词"cde"了，我们只需要在d后申请一个新节点即可。
综上所述，我们得到一个字符串word，应该先去比较他的前缀，如果已有共同前缀，继续向他的孩子节点搜索。当孩子节点为nullptr，就要为其申请新节点，直到word全部插入字典树，最后将他的尾节点标记isEnd设置为True。代码如下：

void insert(string word) {
   
	//树的根节点
	Trie* node = this;
	//遍历字符串word
	for (auto c : word) {
   
		//因为数组存储范围是0~25 所以需要对所有字符做减'a'操作
		int cur = c - 'a';
		//如果当前已经走到叶子节点 
		if (node->children[cur] == nullptr) {
   
			//为新字母开辟节点
			node->children[cur] = new Trie();