简介
Trie树,又称为前缀树或字典树,是一种有序树,用于保存关联html" target="_blank">数组,其中的键通常是字符串。与二叉查找树不同,键不是直接保存在节点中,而是由节点在树中的位置决定。一个节点的所有子孙都有相同的前缀,也就是这个节点对应的字符串,而根节点对应空字符串。
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。
如下是一棵典型的Trie树:
Trie的来源是Retrieval,它常用于前缀匹配和词频统计。可能有人要说了,词频统计简单啊,一个hash或者一个堆就可以搞定,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。
1、定义
这里为了简化,只考虑了26个小写字母。
首先是节点的定义:
public class TrieNode { public TrieNode[] children; public char data; public int freq; public TrieNode() { //因为有26个字母 children = new TrieNode[26]; freq = 0; } }
然后是Trie树的定义:
public class TrieTree { private TrieNode root; public TrieTree(){ root=new TrieNode(); } ... }
2、插入
由于是26叉树,故可通过charArray[index]-‘a';来得知字符应该放在哪个孩子中。
public void insert(String word){ if(TextUtils.isEmpty(word)){ return; } insertNode(root,word.toCharArray(),0); } private static void insertNode(TrieNode rootNode,char[]charArray,int index){ int k=charArray[index]-'a'; if(k<0||k>25){ throw new RuntimeException("charArray[index] is not a alphabet!"); } if(rootNode.children[k]==null){ rootNode.children[k]=new TrieNode(); rootNode.children[k].data=charArray[index]; } if(index==charArray.length-1){ rootNode.children[k].freq++; return; }else{ insertNode(rootNode.children[k],charArray,index+1); } }
3、移除节点
移除操作中,需要对词频进行减一操作。
public void remove(String word){ if(TextUtils.isEmpty(word)){ return; } remove(root,word.toCharArray(),0); } private static void remove(TrieNode rootNode,char[]charArray,int index){ int k=charArray[index]-'a'; if(k<0||k>25){ throw new RuntimeException("charArray[index] is not a alphabet!"); } if(rootNode.children[k]==null){ //it means we cannot find the word in this tree return; } if(index==charArray.length-1&&rootNode.children[k].freq >0){ rootNode.children[k].freq--; } remove(rootNode.children[k],charArray,index+1); }
4、查找频率
public int getFreq(String word){ if(TextUtils.isEmpty(word)){ return 0; } return getFreq(root,word.toCharArray(),0); } private static int getFreq(TrieNode rootNode,char[]charArray,int index){ int k=charArray[index]-'a'; if(k<0||k>25){ throw new RuntimeException("charArray[index] is not a alphabet!"); } //it means the word is not in the tree if(rootNode.children[k]==null){ return 0; } if(index==charArray.length-1){ return rootNode.children[k].freq; } return getFreq(rootNode.children[k],charArray,index+1); }
5、测试
测试代码如下:
public static void test(){ TrieTree trieTree=new TrieTree(); String sourceStr="Democratic presumptive nominee Hillary Clintons campaign posed pounced on Trumps assertion that British term monetary turmoil might benefit his business venture in Scotland"; //String sourceStr="the that"; sourceStr=sourceStr.toLowerCase(); String[]strArray=sourceStr.split(" "); for(String str:strArray){ trieTree.insert(str); } String sourceStr2="Every president is tested by world events But Donald Trump thinks about how is his golf resort can profit from that"; sourceStr2=sourceStr2.toLowerCase(); String[]strArray2=sourceStr2.split(" "); for(String str:strArray2){ trieTree.insert(str); } BinaryTree.print("frequence of 'that':"+trieTree.getFreq("that")); BinaryTree.print("\nfrequence of 'donald':"+trieTree.getFreq("donald")); trieTree.remove("that"); BinaryTree.print("\nafter remove 'that' once,freq of 'that':"+trieTree.getFreq("that")); trieTree.remove("that"); BinaryTree.print("\nafter remove 'that' twice,freq of 'that':"+trieTree.getFreq("that")); trieTree.remove("donald"); BinaryTree.print("\nafter remove 'donald' once,freq of 'donald':"+trieTree.getFreq("donald")); BinaryTree.reallyStartPrint(); }
测试结果如下:
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作能带来一定的帮助,如果有疑问大家可以留言交流。
对于字典树/前缀树可能大部分情况很难直观或者有接触的体验,尤其是对前缀这个玩意没啥概念,可能做题遇到前缀问题也是使用暴力匹配蒙混过关,如果字符串比较少使用哈希表等结构可能也能蒙混过关,但如果字符串比较长、相同前缀较多那么使用字典树可以大大减少内存的使用和效率。 一个字典树的应用场景:在搜索框输入部分单词下面会有一些神关联的搜索内容,你有时候都很神奇是怎么做到的,这其实就是字典树的一个思想。 一、字
本文向大家介绍PHP字典树(Trie树)定义与实现方法示例,包括了PHP字典树(Trie树)定义与实现方法示例的使用技巧和注意事项,需要的朋友参考一下 本文实例讲述了PHP字典树(Trie树)定义与实现方法。分享给大家供大家参考,具体如下: Trie树的概念(百度的解释):字典树又称单词查找树,Trie树,是一种树形结构,是一种哈希树的变种。典型应用是用于统计,排序和保存大量的字符串(但不仅限于字
问题内容: 我试图实现一个帕特里夏特里结构的方法,以及作为一种手段来存储大字典中的字进行快速检索(包括前缀搜索)的。我已经阅读了这些概念,但是并没有明确说明它们的实现。我想知道(用Java或Python代码)如何实现Trie,特别是节点(或者我应该递归实现)。我看到一个人用将26个子节点设置为null / None来实现它。有没有更好的策略(例如将字母当作位),您将如何实现呢? 问题答案: 有人问
我有一个根节点,具有属性数据、父节点和子节点(列表)。我想使用一种方法递归地将整个树存储在字典中。 treeNode类 我该如何实现这一点? 编辑:我想创建一个字典树,有点像这样:
本文向大家介绍请介绍一下红黑树?相关面试题,主要包含被问及请介绍一下红黑树?时的应答技巧和注意事项,需要的朋友参考一下 参考回答: 红黑树(Red Black Tree)是一种自平衡二叉查找树,是在计算机科学中用到的一种数据结构,典型的用途是实现关联数组。红黑树和AVL树类似,都是在进行插入和删除操作时通过特定操作保持二叉查找树的平衡,从而获得较高的查找性能。 它虽然是复杂的,但它的最坏情况运行时
本文向大家介绍请你介绍一下B+树?相关面试题,主要包含被问及请你介绍一下B+树?时的应答技巧和注意事项,需要的朋友参考一下 参考回答: B+是一种多路搜索树,主要为磁盘或其他直接存取辅助设备而设计的一种平衡查找树,在B+树中,每个节点的可以有多个孩子,并且按照关键字大小有序排列。所有记录节点都是按照键值的大小顺序存放在同一层的叶节点中。相比B树,其具有以下几个特点: 每个节点上的指针上限为2d而不