Trie树(字典树)实现词频统计或前缀匹配类型的问题

一、概念

     如果我们有and,as,at,cn,com这些关键词,那么trie树(字典树)是这样的:

《Trie树(字典树)实现词频统计或前缀匹配类型的问题》

从上面的图中,我们或多或少的可以发现一些好玩的特性。

      第一:根节点不包含字符,除根节点外的每一个子节点都包含一个字符。

      第二:从根节点到某一节点,路径上经过的字符连接起来,就是该节点对应的字符串。

      第三:每个单词的公共前缀作为一个字符节点保存。

 

二、使用范围

     既然学Trie树,我们肯定要知道这玩意是用来干嘛的。

     第一:词频统计。

            可能有人要说了,词频统计简单啊,一个hash或者一个堆就可以打完收工,但问题来了,如果内存有限呢?还能这么

             玩吗?所以这里我们就可以用trie树来压缩下空间,因为公共前缀都是用一个节点保存的。

     第二: 前缀匹配

            就拿上面的图来说吧,如果我想获取所有以”a”开头的字符串,从图中可以很明显的看到是:and,as,at,如果不用trie树,

            你该怎么做呢?很显然朴素的做法时间复杂度为O(N2) ,那么用Trie树就不一样了,它可以做到h,h为你检索单词的长度,

            可以说这是秒杀的效果。

三、Trie关键实现

1、结构体

//trie树结构体
struct Trie
{
	Trie *next[26];
	bool isWord;
}Root;


2、插入操作

//插入操作(也是构建Trie树)
void insert(char *tar)
{
	Trie* head = &Root;
	int id;
	while(*tar)
	{
		id = *tar - 'a';
		if(head->next[id] == NULL)
			head->next[id] = new Trie();
		head = head->next[id];
		tar++;
	}
	head->isWord = true;
}

3、查找操作

//查找
bool search(char *tar)
{
	Trie* head = &Root;
	int id;
	while(*tar)
	{
		id = *tar - 'a';
		if(head->next[id] == NULL)
			return false;
		head = head->next[id];
		tar++;
	}
	if(head->isWord)
		return true;
	else
		return false;
}

四、解题应用

poj2503题,大概的意思是给定两种语言A,B的中单词的对应关系,然后告诉你B的一个单词,让你输出在A中的单词,直观的理解比如就是告诉你英文tree,让你输出中文“树”,自己根据上面的思想,适当改变结构体,C实现的代码如下:

#include<stdio.h>
#include<stdlib.h>
#include<string.h>
typedef struct NodeType{
	struct NodeType* child[26];
	char word[11];
	int isWord;
}Node;
void insertWord(Node* node,char* wo,char* wt){
	int id;
	while(*wt){
		id=*wt-'a';
		if(node->child[id]==NULL){
			node->child[id]=(Node*)malloc(sizeof(Node));
			(node->child[id])->isWord=0;
			for(int i=0;i<26;i++){
				node->child[id]->child[i]=NULL;
			}
		}
		node=node->child[id];
		wt++;
	}
	node->isWord=1;
	strcpy(node->word,wo);
}

char* searchWord(Node* node,char* wd){
	char noWord[5]="eh";
	int id;
	while(*wd){
		id=*wd-'a';
		if(node->child[id]==NULL){
			return noWord;
		}
		node=node->child[id];
		wd++;
	}
	if(node->isWord){
		return node->word;
	}
	else{
		return noWord;
	}
}

int main(){
	int i,j;
	char wo[11],wt[11],wd[25];
	Node* node=(Node*)malloc(sizeof(Node));
	node->isWord=0;
	for(i=0;i<26;i++){
		node->child[i]=NULL;
	}
	while(gets(wd) && wd[0] != 0)  
    {  
        for(i=0;wd[i]!=' ';i++){
			wo[i] = wd[i]; 
		}    
        wo[i] = 0;  
        for(++i,j=0; wd[i]; i++,j++){
			wt[j] = wd[i];
		}     
        wt[j] = 0;  
        insertWord(node,wo,wt);
    }  
	while(scanf("%s",wd)!=EOF){
		char* word=searchWord(node,wd);
		printf("%s\n",word);
	}
	return 0;
}

为了提高Java的水平,又用Java写了一遍,但Java中数据的输入我改了一下,先输入n对单词对,再输入m个查询单词,,因为实在不知道Java里面读取的是空行和不断读取的格式到底是怎么样的,反正重要的是思想,Java代码如下:

package com.lxq.poj2503;

import java.util.Scanner;

public class Main {
	public static void main(String[] args) {
		int n,m;
		String lan=null,forgn = null,word=null;
		Scanner sc=new Scanner(System.in);
		n=sc.nextInt();
		Node node=new Node();
		for(int i=0;i<n;i++){
			lan=sc.next();
			forgn=sc.next();
			insertWord(node,lan,forgn);
		}
		m=sc.nextInt();
		for(int i=0;i<m;i++){
			word=sc.next();
			System.out.println(searchWord(node,word));
		}
	}
	private static String searchWord(Node node, String word) {
		for(int i=0;i<word.length();i++){
			int id=word.charAt(i)-'a';
			if(node.child[id]==null){
				return "eh";
			}
			node=node.child[id];
		}
		if(node.isWord){
			return node.word;
		}
		else{
			return "eh";
		}
	}

	private static void insertWord(Node node, String lan, String forgn) {
		for(int i=0;i<forgn.length();i++){
			int id=forgn.charAt(i)-'a';
			if(node.child[id]==null){
				node.child[id]=new Node();
			}
			node=node.child[id];
		}
		node.isWord=true;
		node.word=lan;
	}

}
class Node{
	Node[] child=new Node[26];
	String word;
	boolean isWord;
	public Node(){
		for(int i=0;i<26;i++){
			child[i]=null;
		}
		isWord=false;
	}
}



    原文作者:Trie树
    原文地址: https://blog.csdn.net/Sup_Heaven/article/details/40111405
    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