实现Patricia Trie用作字典

Question

我试图实现一个帕特里夏特里结构的方法addWord()，isWord()以及isPrefix()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？

Answer 1

有人问了一个关于Patricia的问题，我想过要制作一个Python实现，但是这次我决定实际尝试一下（是的，这太过分了，但这似乎是一个不错的小项目）。我所做的可能不是纯粹的Patricia
trie实现，但我更喜欢自己的方式。其他帕特里夏（Patricia）尝试（使用其他语言）仅使用了一个孩子列表，并检查每个孩子是否有匹配项，但是我认为这样做效率不高，因此我使用词典。我基本上是这样设置的：

我将从根节点开始。根只是字典。字典中的键都是通向分支的单个字符（单词的首字母）。与每个键对应的值是列表，其中第一项是一个字符串，给出与该trie的此分支匹配的字符串的其余部分，第二项是一个字典，从该节点指向进一步的分支。该词典还具有与该单词其余部分的第一个字母相对应的单个字符键，并且该过程继续向下进行。

我应该提到的另一件事是，如果给定节点具有分支，但在trie本身中也是一个单词，则表示''该字典中有一个关键字，该关键字导致具有list的节点['',{}]。

这是一个小示例，显示了单词的存储方式（根节点是变量_d）：

>>> x = patricia()
>>> x.addWord('abcabc')
>>> x._d
{'a': ['bcabc', {}]}
>>> x.addWord('abcdef')
>>> x._d
{'a': ['bc', {'a': ['bc', {}], 'd': ['ef', {}]}]}
>>> x.addWord('abc')
{'a': ['bc', {'a': ['bc', {}], '': ['', {}], 'd': ['ef', {}]}]}

请注意，在最后一种情况下，在字典中添加了“’‘键，以表示“ abc”是对“ abcdef”和“ abcabc”的补充。

源代码

class patricia():
    def __init__(self):
        self._data = {}

    def addWord(self, word):
        data = self._data
        i = 0
        while 1:
            try:
                node = data[word[i:i+1]]
            except KeyError:
                if data:
                    data[word[i:i+1]] = [word[i+1:],{}]
                else:
                    if word[i:i+1] == '':
                        return
                    else:
                        if i != 0:
                            data[''] = ['',{}]
                        data[word[i:i+1]] = [word[i+1:],{}]
                return

            i += 1
            if word.startswith(node[0],i):
                if len(word[i:]) == len(node[0]):
                    if node[1]:
                        try:
                            node[1]['']
                        except KeyError:
                            data = node[1]
                            data[''] = ['',{}]
                    return
                else:
                    i += len(node[0])
                    data = node[1]
            else:
                ii = i
                j = 0
                while ii != len(word) and j != len(node[0]) and \
                      word[ii:ii+1] == node[0][j:j+1]:
                    ii += 1
                    j += 1
                tmpdata = {}
                tmpdata[node[0][j:j+1]] = [node[0][j+1:],node[1]]
                tmpdata[word[ii:ii+1]] = [word[ii+1:],{}]
                data[word[i-1:i]] = [node[0][:j],tmpdata]
                return

    def isWord(self,word):
        data = self._data
        i = 0
        while 1:
            try:
                node = data[word[i:i+1]]
            except KeyError:
                return False
            i += 1
            if word.startswith(node[0],i):
                if len(word[i:]) == len(node[0]):
                    if node[1]:
                        try:
                            node[1]['']
                        except KeyError:
                            return False
                    return True
                else:
                    i += len(node[0])
                    data = node[1]
            else:
                return False

    def isPrefix(self,word):
        data = self._data
        i = 0
        wordlen = len(word)
        while 1:
            try:
                node = data[word[i:i+1]]
            except KeyError:
                return False
            i += 1
            if word.startswith(node[0][:wordlen-i],i):
                if wordlen - i > len(node[0]):
                    i += len(node[0])
                    data = node[1]
                else:
                    return True
            else:
                return False

    def removeWord(self,word):
        data = self._data
        i = 0
        while 1:
            try:
                node = data[word[i:i+1]]
            except KeyError:
                print "Word is not in trie."
                return
            i += 1
            if word.startswith(node[0],i):
                if len(word[i:]) == len(node[0]):
                    if node[1]:
                        try:
                            node[1]['']
                            node[1].pop('')
                        except KeyError:
                            print "Word is not in trie."
                        return
                    data.pop(word[i-1:i])
                    return
                else:
                    i += len(node[0])
                    data = node[1]
            else:
                print "Word is not in trie."
                return


    __getitem__ = isWord

您可能已经注意到，最后我设置__getitem__为isWord方法。这意味着

x['abc']

将返回是否在trie中为“ abc”。

我认为也许我应该从中制作一个模块并将其提交给PyPI，但是它需要更多的测试和至少一个removeWord方法。如果您发现任何错误，请告诉我，但它似乎运作良好。另外，如果您发现效率有任何大的提高，我也希望听到有关它们的信息。我已经考虑过要在每个分支的底部都使用空字典，但是我现在暂时不做。这些空字典可以用链接到单词的数据代替，以扩展实现的用途。

无论如何，如果您不喜欢我的实现方式，至少这可能会给您一些有关您希望如何实现自己的版本的想法。