Trie 树

Trie树,又称字典树,关于它的结构就不详细介绍了。Trie树在单词统计、前缀匹配等很多方面有很大用处。它的主要特点如下:

  • 根节点不包含字符,除根节点外的每一个节点都只包含一个字符。
  • 从根节点到某一节点,路径上经过的字符连接起来,为该节点对应的字符串。
  •  每个节点的所有子节点包含的字符都不相同。

我自己用java实现了一个最基本的Trie树,功能有:插入单词,查找单词,删除单词,以字典序遍历打印出所有出现过的单词及频数。另有几点说明如下:

  • 每个结点存储子结点时不使用固定长度的数组,而使用Map<Character, TrieNode>结构,这样可以处理任意字符集。当然,你还得准备一个char型数组,以字典序存储要处理的所有字符,遍历的时候回用到。顺便提一下,如果你确定处理的只涉及26个英文字母,用一个26个大小的数组来存储子结点是个不错的选择,且比较简单。
  • Node结点中存储哪些值要看实际情况,在本例中存储的是单词的出现次数。你也可以增加一个字段prefixNum,用于存储当前前缀出现次数(即含有当前前缀的单词数)。这个参数是很有用的,而且在删除操作时,只需要从根结点往下判断第一个prefixNum==1的删除即可。自己试一下就明白了。我之所以没采用,主要想练习一下递归算法,好久没用了。《Trie 树》
  • 前一点说结点中的数据根据实际情况而定,再举个例子。“题目:给你100000个长度不超过10的单词。对于每一个单词,我们要判断他出没出现过,如果出现了,求第一次出现在第几个位置。”对于这个题目,显然结点中就存储单词第一次出现的位置(假如当前结点是单词结尾)。
  • import java.util.*;

     

    /**  * Tries数据结构(字典树)  * 这里只是最基本的实现,可判断某个单词是否出现过,单词出现频数等,根据需要可做其它扩展  * @author  *  */ public class Trie {   private TrieNode root;  private char[] characterTable= {‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ‘f’, ‘g’, ‘h’, ‘i’, ‘j’, ‘k’, ‘l’,  // 遍历的时候使用    ‘m’, ‘n’, ‘o’, ‘p’, ‘q’, ‘r’, ‘s’, ‘t’, ‘u’, ‘v’, ‘w’, ‘x’, ‘y’, ‘z’};    public Trie() {   root = new TrieNode();  }    /**   * 插入字符串   * @param word   */  public void insert(String word) {   TrieNode node = root;   word = word.trim();   for (int i = 0; i < word.length(); i++) {    if (!(node.children.containsKey(word.charAt(i)))) {     node.children.put(word.charAt(i), new TrieNode());    }    node = node.children.get(word.charAt(i));   }   node.terminable = true;   node.count ++;  }

     /**   * 查找某个字符串   * @param word   * @return   */  public boolean find(String word) {   TrieNode node = root;   for(int i = 0; i < word.length(); i++) {    if(!(node.children.containsKey(word.charAt(i)))) {     return false;    } else {     node = node.children.get(word.charAt(i));    }   }   return node.terminable;  // 即便该字符串在Trie路径中,也不能说明该单词已存在,因为它有可能是某个子串    } 

     

    /**   * 删除某个字符串(必须是个单词,而不是前缀)   *   * @param word   */  public void delete(String word) {   if(!find(word)) {    System.out.println(“no this word.”);    return;   }   TrieNode node = root;   deleteStr(node, word);  }    public boolean deleteStr(TrieNode node, String word) {   if(word.length() == 0) {    node.terminable = false;  // 不要忘了这里信息的更新    return node.children.isEmpty();   }   if (deleteStr(node.children.get(word.charAt(0)), word.substring(1))) {    node.children.remove(word.charAt(0));    if (node.children.isEmpty() && node.terminable == false) {  // 注意第二个条件,假如有”abcd”与”abc”,删除abcd时,要判断中间路径上是不是另一个子串的结束     return true;    }   }   return false;  }    /**   * 以字典序输出Tire中所有出现的单词及频数   */  public void traverse() {   StringBuffer word = new StringBuffer(“”);   TrieNode node = root;   traverseTrie(node, word);  }     public void traverseTrie(TrieNode node, StringBuffer word) {   if(node.terminable) {    System.out.println(word + “——“ + node.count);     if(node.children.isEmpty()) return;   }   for(int i=0; i<characterTable.length; i++) {    if(!(node.children.containsKey(characterTable[i]))) continue;    traverseTrie(node.children.get(characterTable[i]), word.append(characterTable[i]));    word.deleteCharAt(word.length()-1);   }  }

    }

     

    /**  * Trie结点类  *  * @author  * @param <T>  */ class TrieNode {  public boolean terminable;  // 是不是单词结尾(即叶子节点)  public int count;  // 单词出现频数  public Map<Character, TrieNode> children = null;    public TrieNode() {   terminable = false;    count = 0;    children = new HashMap<Character, TrieNode>();   } }

    原文作者:Trie树
    原文地址: https://blog.csdn.net/u010398493/article/details/60962345
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注