208. Implement Trie (Prefix Tree)

Source:https://leetcode.com/problems/implement-trie-prefix-tree/
Reference: https://leetcode.com/articles/implement-trie-prefix-tree/

Description:
Implement a trie with insert, search, and startsWith methods.

Example:

Trie trie = new Trie();
trie.insert(“apple”);
trie.search(“apple”); // returns true
trie.search(“app”); // returns false
trie.startsWith(“app”); // returns true
trie.insert(“app”);
trie.search(“app”); // returns true

Note:
You may assume that all inputs are consist of lowercase letters a-z.
All inputs are guaranteed to be non-empty strings.

从leetcode官方题解中，好好学习一波Tire树（字典树、前缀树）

应用：

1. autocomplete 搜索引擎自动补全
2. spell checker
3. IP routing IP路由 最长前缀匹配
4. T9 predictive text 手机9个按键打字
5. Solving word games

平衡二叉搜索树和哈希表都可以高效地进行查找，为什么还需要Trie？哈希表可以$O(1)$查找，但是在下面两个问题里并不有效：

1. 查找所有具有公共前缀的key
2. 按字典序枚举一个字符串集合

此外，哈希表在数据规模很大时会有不少冲突，使得查找时间线性增长，$O(n)$。在很多key都有相同前缀的情况下，Trie比哈希表更节省空间。而且Trie的时间复杂度是$O(m)$，m是key的长度。而平衡树的时间是$O(m\lg n)$。

结点结构

Trie是有根树，结点结构设计：
令R表示字符集大小，比如只有小写英文字母的话就是26。每个结点最多有R个指向孩子的link，还有一个bool变量isEnd表示是否是key的最后一个字母。

class TrieNode {

    // R links to node children
    private TrieNode[] links;

    private final int R = 26;

    private boolean isEnd;

    public TrieNode() {
        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;
    }
}

插入

在Trie中search link，对应每个字母，如果存在，沿树下行，进行到下一个字母；如果不存在，新建一个结点，确立父子关系，继续下一个字母。
直到到了最后一个字母，isEnd标记为true。

class Trie {
    private TrieNode root;

    public Trie() {
        root = new TrieNode();
    }

    // Inserts a word into the trie.
    public void insert(String word) {
        TrieNode node = root;
        for (int i = 0; i < word.length(); i++) {
            char currentChar = word.charAt(i);
            if (!node.containsKey(currentChar)) {
                node.put(currentChar, new TrieNode());
            }
            node = node.get(currentChar);
        }
        node.setEnd();
    }
}

时空复杂度都是$O(m)$。

查找

如果待查找key的字母到最后一个了而且isEnd是true，那就是存在的。有两种情况不存在：

1. key里还有字母未匹配，但是Trie已经没有路径了。
2. key里没有字母了，但是当前的Trie结点isEnd是false，说明待查找的key是一个前缀。

	// search a prefix or whole key in trie and
    // returns the node where search ends
    private TrieNode searchPrefix(String word) {
        TrieNode node = root;
        for (int i = 0; i < word.length(); i++) {
           char curLetter = word.charAt(i);
           if (node.containsKey(curLetter)) {
               node = node.get(curLetter);
           } else {
               return null;
           }
        }
        return node;
    }

    // Returns if the word is in the trie.
    public boolean search(String word) {
       TrieNode node = searchPrefix(word);
       return node != null && node.isEnd();
    }

时间复杂度$O(m)$，空间$O(1)$。

查找prefix

基本与查找是相同的，一点区别在于，到达待查找prefix的最后一个字母时直接返回true，不用考虑isEnd。

	// Returns if there is any word in the trie
    // that starts with the given prefix.
    public boolean startsWith(String prefix) {
        TrieNode node = searchPrefix(prefix);
        return node != null;
    }

时间复杂度$O(m)$，空间$O(1)$。