一、概念
字典树，即 Trie 树，又称单词查找树或键树，是一种树形结构。
典型应用是用于统计和排序大量的字符串（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。
优点：最大限度地减少无谓的字符串比较，查询效率比哈希表高。
二、基本性质
- 结点本身不存完整单词；
- 从根结点到某一结点，路径上经过的字符连接起来，为该结点对应的字符串；
-
每个结点的所有子结点路径代表的字符都不相同。
三、核心思想
Trie树的核心思想是拿空间换时间；
利用字符串的公共前缀来降低查询时间的开销以达到提高效率的目的。
四、Java实现
字典树需要实现的功能有：
- 插入字符串
- 查询字符串
（这里以26位小写字母为例）
public class Trie {
// 当前结点的后续结点
private Trie[] childrens;
// 最大可表示字符种类
private static int maxChildrenCount = 26;
// 到当前结点是否有完整的字符串
private boolean isEnd;
public Trie() {
childrens = new Trie[maxChildrenCount];
isEnd = false;
}
public void insert(String word) {
Trie node = this;
for (int i = 0; i < word.length(); i++) {
char c = word.charAt(i);
int index = c - 'a';
if (node.childrens[index] == null) {
node.childrens[index] = new Trie();
}
node = node.childrens[index];
}
node.isEnd = true;
}
public boolean search(String word) {
Trie node = prefixLike(word);
if (node== null || !node.isEnd) {
return false;
} else {
return true;
}
}
public boolean startsWith(String prefix) {
Trie node = prefixLike(prefix);
return node != null;
}
public Trie prefixLike(String prefix) {
Trie node = this;
for (int i = 0; i < prefix.length(); i++) {
char c = prefix.charAt(i);
int index = c - 'a';
if (node.childrens[index] == null) {
return null;
}
node = node.childrens[index];
}
return node;
}
}
五、相关算法题
208. 实现 Trie (前缀树)
可以借助这道题，自己尝试实现字典树。
题目描述
给定一个 m x n 二维字符网格 board 和一个单词（字符串）列表 words， 返回所有二维网格上的单词 。
单词必须按照字母顺序，通过 相邻的单元格 内的字母构成，其中“相邻”单元格是那些水平相邻或垂直相邻的单元格。同一个单元格内的字母在一个单词中不允许被重复使用。
示例
解题思路
字典树+回溯
- 将单词列表
words丢到字典树中（可以直接用上题中实现的字典树）； - 遍历字符网格
board；深度优先搜索所有从当前正在遍历的单元格出发的、由相邻且不重复的单元格组成的路径；如果当前路径是字典树中的单词，则将其添加到结果集中。
Java代码示例
class Solution {
static int[][] xys = {{1, 0}, {-1, 0}, {0, 1}, {0, -1}};
public List<String> findWords(char[][] board, String[] words) {
// 单词列表组成字典树
Trie trie = new Trie();
for (String word : words) {
trie.insert(word);
}
// 深度优先搜索找出结果
Set<String> res = new HashSet<>();
for (int i = 0; i < board.length; i++) {
for (int j = 0; j < board[0].length; j++) {
dfs(res, trie, board, i, j, "");
}
}
return new ArrayList<>(res);
}
public void dfs(Set<String> res, Trie trie, char[][] board, int x, int y, String preString) {
preString = preString + board[x][y];
Trie find = trie.prefixLike(preString);
if (find == null) {
return;
}
if (find.isEnd) {
res.add(preString);
}
// 同一个单元格内的字母在一个单词中不允许被重复使用，这里暂存一下这个字母
char tempChar = board[x][y];
board[x][y] = '#';
for (int[] xy : xys) {
int xx = x + xy[0], yy = y + xy[1];
if (xx >= 0 && xx < board.length && yy >= 0 && yy < board[0].length && board[xx][yy] != '#') {
dfs(res, trie, board, xx, yy, preString);
}
}
board[x][y] = tempChar;
}
public class Trie {
private Trie[] childrens;
private int maxChildrenCount = 26;
private boolean isEnd;
public Trie() {
childrens = new Trie[maxChildrenCount];
isEnd = false;
}
public void insert(String word) {
Trie node = this;
for (int i = 0; i < word.length(); i++) {
char c = word.charAt(i);
int index = c - 'a';
if (node.childrens[index] == null) {
node.childrens[index] = new Trie();
}
node = node.childrens[index];
}
node.isEnd = true;
}
public boolean search(String word) {
Trie node = prefixLike(word);
if (node == null || !node.isEnd) {
return false;
} else {
return true;
}
}
public boolean startsWith(String prefix) {
Trie node = prefixLike(prefix);
return node != null;
}
public Trie prefixLike(String prefix) {
Trie node = this;
for (int i = 0; i < prefix.length(); i++) {
char c = prefix.charAt(i);
int index = c - 'a';
if (node.childrens[index] == null) {
return null;
}
node = node.childrens[index];
}
return node;
}
}
}
这里对Trie树进行优化，提升效率。
class Solution {
int[][] dirs = {{1, 0}, {-1, 0}, {0, 1}, {0, -1}};
public List<String> findWords(char[][] board, String[] words) {
Trie trie = new Trie();
for (String word : words) {
trie.insert(word);
}
Set<String> ans = new HashSet<String>();
for (int i = 0; i < board.length; ++i) {
for (int j = 0; j < board[0].length; ++j) {
dfs(board, trie, i, j, ans);
}
}
return new ArrayList<String>(ans);
}
public void dfs(char[][] board, Trie now, int i1, int j1, Set<String> ans) {
if (!now.children.containsKey(board[i1][j1])) {
return;
}
char ch = board[i1][j1];
now = now.children.get(ch);
if (!"".equals(now.word)) {
ans.add(now.word);
}
board[i1][j1] = '#';
for (int[] dir : dirs) {
int i2 = i1 + dir[0], j2 = j1 + dir[1];
if (i2 >= 0 && i2 < board.length && j2 >= 0 && j2 < board[0].length) {
dfs(board, now, i2, j2, ans);
}
}
board[i1][j1] = ch;
}
}
class Trie {
String word;
Map<Character, Trie> children;
boolean isWord;
public Trie() {
this.word = "";
this.children = new HashMap<Character, Trie>();
}
public void insert(String word) {
Trie cur = this;
for (int i = 0; i < word.length(); ++i) {
char c = word.charAt(i);
if (!cur.children.containsKey(c)) {
cur.children.put(c, new Trie());
}
cur = cur.children.get(c);
}
cur.word = word;
}
}
网友评论