面试只Trie树特点和应用场景

2019年3月16日 306次阅读 来源: Trie树

Trie树也叫前序表达树（prefix tree），Trie树的结构在这里不再赘述，请参考wiki trie，附一张wiki的图，如下：

《面试只Trie树特点和应用场景》

Trie通常和二叉搜索树作比较，同时也和HashTable做比较，其特点如下：

优点：

1. Trie进行对某个string查找的时间复杂度为O(m)，m为string中字符个数。相比较，BST（二叉搜索树）的时间复杂度是O(logN），在树不平衡的情况下，为O(N)；同时，相比HashTable，尽管大部分情况Hash时间复杂度为O(1)，但是Hashtable有不能增长等缺点，并且如果hashfunc不完美的话，最坏情况也有O(N)的情况。

2. Trie可以生成以字母顺序排序的键值对集合

缺点：

1. Trie在搜索效率上可能会比Hash慢。

2. 有些键（key），例如浮点数，有很长的前序节点，可能会导致内存过大或者搜索效率下降。虽然bitwise trie可以处理这种情况，但需要针对特定的情境编写多余的代码。

3. 在空间复杂度上，Trie的开销可能会多于Hashtable申请的内存。Trie的每一个节点可能会有多个孩子（例如每个节点最多可能有a-z 26个孩子），这个多层的Trie对内存开销很大。

Trie的应用场景

1. 保存一本字典，英文字典大约只有50,000个单词，并且Trie还演化出来一种叫做Directed acyclic word graph的东西，它将后缀一样的字符串也进行了压缩，所以空间利用率有了进一步提高。所以Trie在空间利用率上不会比Binary Search Tree差太多。
2. 根据保存的字典，可以预测用户输入内容
3. 断词和拼写查错软件也运用了Trie — spellings/suggestions/type-ahead-lookup/auto-completion/
这些应用场景都有一个特点，就是不是单独地查询一个词，而是获取以有一定字母顺序的一组字符串

    原文作者：Trie树
    原文地址: https://blog.csdn.net/cinnamonjester7/article/details/11599289
    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