Trie树算法
算法介绍
第一眼看到Trie树算法，首先明白的就是他一定是用树形结构实现的算法。后来实现完整个算法才知道其实他也是压缩树，类似于哈弗曼编码和CF-Tree，因为树中保留了公共的前缀，减少了不必要的重复存储空间。所以查询效率会高很多，如果你明白哈弗曼编码的实现过程，这个自然也是一样的道理。那Trie树与Huffman编码树有什么区别呢，Huffman是0或1的编码，而Trie则是文本查找树，节点上可以是一个字母字符，也可以是汉字等等，大体就是这个意思。好，下面说说算法的原理。
算法原理
1、首先获取所有的文本数据，划分成逐条逐条的形式。
2、读入每行数据，对照当前比较字符值与当前节点的子节点比较，寻找到与之匹配的节点
3、如果找到对应的子节点，将子节点作为当前节点，并移除数据的此字符，继续步骤2。
4、如果未找到对应子节点，新建节点插入当前的节点中，并将新节点作为当前节点，继续步骤2。
5、操作的终止条件为数据中的字符已经全部移除比较完毕。
算法实现
输入的字符数据Input.txt：
abc
bcd
bca
bcc
bbd
abca
package Trie;
import java.util.ArrayList;
/**
*
*
*
* @author lyq
*
*
*/
public class TreeNode {
//节点的值
String value;
//节点孩子节点
ArrayList<TreeNode> childNodes;
public TreeNode(String value) {
this.value = value;
this.childNodes = new ArrayList<TreeNode>();
}
public ArrayList<TreeNode> getChildNodes() {
return childNodes;
}
public void setChildNodes(ArrayList<TreeNode> childNodes) {
this.childNodes = childNodes;
}
}
package Trie;
import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;
import java.util.ArrayList;
/**
*
*
*
* @author lyq
*
*
*/
public class TrieTool {
// 测试数据文件地址
private String filePath;
// 原始数据
private ArrayList<String[]> datas;
public TrieTool(String filePath) {
this.filePath = filePath;
readDataFile();
}
/**
*
* 从文件中读取数据
*/
private void readDataFile() {
File file = new File(filePath);
ArrayList<String[]> dataArray = new ArrayList<String[]>();
try {
BufferedReader in = new BufferedReader(new FileReader(file));
String str;
String[] tempArray;
while ((str = in.readLine()) != null) {
tempArray = new String[str.length()];
for (int i = 0; i < str.length(); i++) {
tempArray[i] = str.charAt(i) + "";
}
dataArray.add(tempArray);
}
in.close();
} catch (IOException e) {
e.getStackTrace();
}
datas = dataArray;
}
/**
*
* 构造Trie树
*
*
*
* @return
*/
public TreeNode constructTrieTree() {
TreeNode rootNode = new TreeNode(null);
ArrayList<String> tempStr;
for (String[] array : datas) {
tempStr = new ArrayList<String>();
for (String s : array) {
tempStr.add(s);
}
// 逐个字符串的添加
addStrToTree(rootNode, tempStr);
}
return rootNode;
}
/**
*
* 添加字符串的内容到Trie树中
*
*
*
* @param node
*
* @param strArray
*/
private void addStrToTree(TreeNode node, ArrayList<String> strArray) {
boolean hasValue = false;
TreeNode tempNode;
TreeNode currentNode = null;
// 子节点中遍历寻找与当前第一个字符对应的节点
for (TreeNode childNode : node.childNodes) {
if (childNode.value.equals(strArray.get(0))) {
hasValue = true;
currentNode = childNode;
break;
}
}
// 如果没有找到对应节点，则将此节点作为新的节点
if (!hasValue) {
// 遍历到了未曾存在的字符值的，则新键节点作为当前节点的子节点
tempNode = new TreeNode(strArray.get(0));
// node.childNodes.add(tempNode);
insertNode(node.childNodes, tempNode);
currentNode = tempNode;
}
strArray.remove(0);
// 如果字符已经全部查找完毕，则跳出循环
if (strArray.size() == 0) {
return;
} else {
addStrToTree(currentNode, strArray);
}
}
/**
*
* 将新建的节点按照字母排序的顺序插入到孩子节点中
*
*
*
* @param childNodes
*
* 孩子节点
*
* @param node
*
* 新键的待插入的节点
*/
private void insertNode(ArrayList<TreeNode> childNodes, TreeNode node) {
String value = node.value;
int insertIndex = 0;
for (int i = 0; i < childNodes.size() - 1; i++) {
if (childNodes.get(i).value.compareTo(value) <= 0
&& childNodes.get(i + 1).value.compareTo(value) > 0) {
insertIndex = i + 1;
break;
}
}
if (childNodes.size() == 0) {
childNodes.add(node);
} else if (childNodes.size() == 1) {
// 只有1个的情况额外判断
if (childNodes.get(0).value.compareTo(value) > 0) {
childNodes.add(0, node);
} else {
childNodes.add(node);
}
} else {
childNodes.add(insertIndex, node);
}
}
}
package Trie;
/**
*
* Trie树算法
*
* @author lyq
*
*
*/
public class Client {
public static void main(String[] args) {
String filePath = "C:\\Users\\lyq\\Desktop\\icon\\input.txt";
TrieTool tool = new TrieTool(filePath);
tool.constructTrieTree();
}
}
root
|
a b
| |---|
b b c
| | |----|-----|
c d a c d
|
a
算法的遗漏点和可以改进的地方
这里所说的遗漏点就是在插入节点的时候，需要按照字母的排序插入，这是为了使得查找更加的高效。算法在构建树的时候每次都从根节点开始往下找，效率不够高，其实更好的办法是把输入数据进行字典序的排序，然后再当前节点做处理，要么继续往下添加，要么回溯到上一个节点。
算法的特点
算法的特点在最开始介绍的时候也已经提到过，利用了字符串的公共前缀减少了查询时间，最大限度的减少无谓的字符串比较，常用于做文本的词频统计。
