您现在的位置是：首页 > Java

当前栏目

Java实现Tire

JAVA

2023-03-02 11:48:04 时间

Trie，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），所以经常被搜索引擎系统用于文本词频统计。它的优点是：最大限度地减少无谓的字符串比较，查询效率比哈希表高。

它有3个基本性质：

*  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。
 *  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。

下面这个图就是Trie的表示，每一条边表示一个字符，如果结束，就用星号表示。在这个Trie结构里，我们有下面字符串，比如do, dork, dorm等，但是Trie里没有ba, 也没有sen，因为在a, 和n结尾，没有结束符号（星号）。

![0_13215049168ly3.gif][]

有了这样一种数据结构，我们可以用它来保存一个字典，要查询改字典里是否有相应的词，是否非常的方便呢？我们也可以做智能提示，我们把用户已经搜索的词存在Trie里，每当用户输入一个词的时候，我们可以自动提示，比如当用户输入 ba, 我们会自动提示 bat 和 baii.

现在来讨论Trie的实现。

首先，我们定义一个Abstract Trie,Trie 里存放的是一个Node。这个类里有两个操作，一个是插入，另一个是查询。具体实现放在后面。

**实现**

Node类：

package com.yydcdut;
    
    import java.util.LinkedList;
    
    public class Node {
        char content; //装node中的内容
        boolean isEnd; //是否是单词的结尾
        int count;  //这个单词的这个字母下面分支的个数
        LinkedList<Node> childList; //子list
        /**
         * 构造函数
         * @param c 单词的字母
         */
        public Node(char c){  
            childList = new LinkedList<Node>();  
            isEnd = false;  
            content = c;  
            count = 0;  
        }   
        /**
         * 遍历一下这个node中LinkedList中是否有这个字母，有就意味着可以继续查找下去，没有就没有。
         * @param c 单词的字母
         * @return 如果有的话就返回下一个node，没有的话就返回null
         */
        public Node subNode(char c){  
            if(childList != null){  
                for(Node eachChild : childList){  
                    if(eachChild.content == c){  
                        return eachChild;  
                    }  
                }  
            }  
            return null;  
        }  
    }

具体实现：

package com.yydcdut;
    
    public class Main {
        
        private Node root; //根 
        /**
         * 构造函数，生成根   
         */
        public Main(){  
            root = new Node(' ');   
        }  
        /**
         * 插入函数，先判断是否有这个单词了（通过每个单词字母来判断），如果没有，挨着顺序判断是否有这个字母了，
         *如果有这个字幕，继续判断下一个，当没有这个字母的时候，对这个字母new一个node对象，放入到上一个字母的
         *LinkedList里面       
         * @param word 要插入的单词
         */
        public void insert(String word){  
            //如果找到就返回
            if(search(word) == true) return;  
              
            Node current = root;   
            for(int i = 0; i < word.length(); i++){  
                Node child = current.subNode(word.charAt(i));  
                if(child != null){   
                    current = child;  
                } else {  
                     current.childList.add(new Node(word.charAt(i)));  
                     current = current.subNode(word.charAt(i));  
                }
                //单词下面分支数++
                current.count++;  
            }   
            //在单词最后字母那里结束了
            current.isEnd = true;  
        }  
        /**
         * 查找函数，判断是否已经有隔着单词了
         * @param word 要判断的单词
         * @return 有这个单词返回true，没有返回false
         */
        public boolean search(String word){  
            Node current = root;  
              
            for(int i = 0; i < word.length(); i++){      
                if(current.subNode(word.charAt(i)) == null)  
                    return false;  
                else  
                    current = current.subNode(word.charAt(i));  
            }  
            //判断这个单词的这个字母是否在字典里面结束了
            if (current.isEnd == true) return true;  
            else return false;  
        }  
        /**
         * 删除函数，先判断是否存在这个单词，不存在就跳出，存在就删除掉，每个单词的count都要减1  
         * @param word 要删除的单词
         */
        public void deleteWord(String word){  
            if(search(word) == false) return;  
          
            Node current = root;  
            for(char c : word.toCharArray()) {   
                Node child = current.subNode(c);  
                if(child.count == 1) {  
                    current.childList.remove(child);  
                    return;  
                } else {  
                    child.count--;  
                    current = child;  
                }  
            }  
            current.isEnd = false;  
        }  
    
        public static void main(String[] args) {
            Main trie = new Main();  
            trie.insert("ball");  
            trie.insert("balls");  
            trie.insert("sense");      
     
            System.out.println(trie.search("balls"));  
            System.out.println(trie.search("ba"));  
            
            trie.deleteWord("balls");  
            System.out.println(trie.search("balls"));  
            System.out.println(trie.search("ball"));  
    
        }
    
    }

时间复杂度分析：

对于insert, 如果被插入的String长度是 k, 每对一个字符进行查询，我们最多在child linkedlist里面查询26次（最多26个字母），所以，复杂度为O(26\*k) = O(k). 对于 search, 复杂度是一样的。

**我是天王盖地虎的分割线**

源代码：[http://pan.baidu.com/s/1dD1Qx01][http_pan.baidu.com_s_1dD1Qx01]

trie.zip

参考：http://blog.csdn.net/beiyeqingteng

[0_13215049168ly3.gif]: /images/20220331/ff7e1da69b9b4ed8a867665f2278a44e.png
[http_pan.baidu.com_s_1dD1Qx01]: http://pan.baidu.com/s/1dD1Qx01

猜你喜欢

使用 AWS DeepLens 构建垃圾分类器
在 AWS 上使用 OpenVPN 搭建自定义端口的 Site-to-Site VPN
Python创建ES索引
Java内存区域
Python日志产生器
使用 Amazon Elastic Inference 降低 Amazon EC2 for PyTorch 模型的推理成本
java.lang.UnsupportedOperationException
Anaconda更改Python版本
Amazon RDS Proxy – 现已全面推出
day01 python基础
查找最昂贵的代码行 – Amazon CodeGuru 现已正式发布
JAVA学习视频
python 字符串的格式化
推出 Amazon Honeycode – 无需编写代码即可构建 Web 和移动应用程序
java获取时间
java8日期
day01 python基础
隆重推出 AWS Snowcone – 一款小巧、轻便、坚固、安全的边缘计算、边缘存储和数据传输设备
Java——序列化
菜鸟python学习

zl程序教程

当前栏目

Java实现Tire

相关文章