Trie树，前缀树，字典树，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），可以用于搜索引擎系统，用于文本词频统计。

Trie利用字符串的公共前缀来避免无谓的查找，从而降低查询时间的开销以达到提高效率的目的。

Trie性质：

1.根节点不包含字符，除根节点外每一个节点都只包含一个字符。
2.每一个节点与它所在树中的位置一起决定了它所代表的字符串（虽然它自身只保存一个char）。
也可以这样理解，每条边对应着一个字符char（事实上是该边指向的节点保存的这个char），从根节点到某一节点，路径上经过的字符连接起来，为该节点所代表的字符串。
3.每个节点的所有子节点包含的字符都不相同。

写了一个简单的有增加，查找功能的Trie树，代码如下

public class Trie {


     /** * 节点数据结构 */
    class Node {
        int val;
        boolean isExist;
        Node[] subs = new Node[26];

        Node(char c) {
            this.val = c;
        }
    }

    /** * Initialize */
    private Node root;

    public Trie() {
        root = new Node(' ');
    }

    /** * 插入 */
    public void insert(String word) {
        Node ns = root;
        for (int i = 0; i < word.length(); i++) {
            char c = word.charAt(i);
            if (ns.subs[c - 'a'] == null) {
                ns.subs[c - 'a'] = new Node(c);
            }
            ns = ns.subs[c - 'a'];
        }
        ns.isExist = true;
    }

    /** * 查找 */
    public boolean search(String word) {
        Node ns = root;
        for (int i = 0; i < word.length(); i++) {
            char c = word.charAt(i);
            if (ns.subs[c - 'a'] == null) return false;
            ns = ns.subs[c - 'a'];
        }
        return ns.isExist;
    }

    /** * 查找前缀是否存在 */
    public boolean startsWith(String prefix) {
        Node ns = root;
        for (int i = 0; i < prefix.length(); i++) {
            char c = prefix.charAt(i);
            if (ns.subs[c - 'a'] == null) return false;
            ns = ns.subs[c - 'a'];
        }
        return true;
    }
}

使用的话，直接new Trie()就可以，非常简洁，树的深度大概为字符串的平均长度，查找效率O(sLen)，即为平均插入字符串的长度。

这个应该只是简单版的Trie，以后还有待深入学习。