前缀树的设计与实现
前缀树的设计与实现
作者:Grey
原文地址:
前缀树即字典树,可以利用字符串的公共前缀来减少查询时间,最大限度地减少无谓的字符串比较。
我们使用搜索引擎的时候,输入 test,后面会自动显示一堆前缀是 test 的东西。这就利用了前缀树结构来实现。
比如我们有一堆字符串
["Trie","apple", "insert","apple", "search", "app","search", "startsWith", "insert", "search"]
问题1.查询字符串列表里面是否有以app
,apx
为前缀的字符串。
问题2.查询字符串列表里面有没有insert
和serac
这两个字符串。
我们可以把字符串列表构造成一棵前缀树,如下图
头节点是空串,路径表示字符,节点表示一个字符串的前缀(简称 p 节点),黑色节点表示一个字符串的结尾位置(简称 e 节点)。
有了如上结构,针对问题1,判断是否存在app
前缀的字符串,流程如下
头节点开始,先看有没有走向a
的路径,有,则移动指针往a
的路径走,
然后判断是否有走向p
的路径,有,则移动指针往p
的路径走,
然后判断是否有走向p
的路径,有,则移动指针往p
的路径走,
则存在以app
为前缀的字符串。
同理,回到头节点,继续判断apx
,发现到没有到x
的路径,则直接返回不存在以apx
为前缀的字符串。
针对问题2,判断是否有insert
这个字符串,流程和判断前缀的流程一样,只不过到了末尾位置,判断是否是黑色节点,如果是黑色节点,说明存在这样的字符串,否则不存在。
更进一步,前缀树也可以支持加入元素和删除元素,此时,我们需要在 p 节点和 e 节点记录一个出现次数的信息,如上例,记录次数后,前缀树如下图
如果要删除一个apple
字符串,前缀树在apple
的路径上依次减一即可
如果要继续增加一个apx
字符串,前缀树继续建出apx
的路径即可。
依据上述流程,我们可以用 Hash 表实现前缀树,代码如下
import java.util.HashMap;
public static class Node2 {
public int pass;
public int end;
public HashMap<Integer, Node2> nexts;
public Node2() {
pass = 0;
end = 0;
nexts = new HashMap<>();
}
}
public static class Trie2 {
private final Node2 root;
public Trie2() {
root = new Node2();
}
public void insert(String word) {
if (word == null || word.isEmpty()) {
return;
}
char[] str = word.toCharArray();
Node2 cur = root;
cur.pass++;
int n = 0;
for (char v : str) {
n = v;
if (!cur.nexts.containsKey(n)) {
cur.nexts.put(n, new Node2());
}
cur.nexts.get(n).pass++;
cur = cur.nexts.get(n);
}
cur.end++;
}
public void delete(String word) {
if (search(word) == 0) {
return;
}
char[] str = word.toCharArray();
Node2 cur = root;
cur.pass--;
for (char v : str) {
int n = v;
if (--cur.nexts.get(n).pass == 0) {
cur.nexts.remove(n);
return;
}
cur = cur.nexts.get(n);
}
cur.end--;
}
// word这个单词之前加入过几次
public int search(String word) {
if (word == null || word.isEmpty()) {
return 0;
}
char[] str = word.toCharArray();
Node2 cur = root;
for (char v : str) {
if (!cur.nexts.containsKey((int) v)) {
return 0;
}
cur = cur.nexts.get((int) v);
}
return cur.end;
}
// 所有加入的字符串中,有几个是以pre这个字符串作为前缀的
public int prefixNumber(String pre) {
if (pre == null || pre.isEmpty()) {
return 0;
}
char[] str = pre.toCharArray();
Node2 cur = root;
for (char v : str) {
if (!cur.nexts.containsKey((int) v)) {
return 0;
}
cur = cur.nexts.get((int) v);
}
return cur.pass;
}
}
如果字符串只由 26 个英文字母组成,那么可以用一个包含 26 个字符的数组来替代上述前缀树中的哈希表,Node
节点的数据结构可以优化成
class Node {
int p;
int e;
Node[] nodes = new Node[26];
}
判断流程调整为:
nodes[0] != null
:表示有走向a
的路,否则则没有走向a
的路;
nodes[1] != null
:表示有走向b
的路,否则则没有走向b
的路;
nodes[2] != null
:表示有走向c
的路,否则则没有走向c
的路;
...
nodes[25] != null
:表示有走向z
的路,否则则没有走向z
的路;
LeetCode 有对应的题目链接:见:LeetCode 208. Implement Trie (Prefix Tree)
完整代码如下
class Trie {
class Node {
int p;
int e;
Node[] nodes = new Node[26];
}
Node root;
public Trie() {
root = new Node();
}
public void insert(String word) {
char[] str = word.toCharArray();
Node cur = root;
for (char c : str) {
cur.p++;
if (cur.nodes[c - 'a'] == null) {
cur.nodes[c - 'a'] = new Node();
}
cur = cur.nodes[c - 'a'];
}
cur.e++;
}
public boolean search(String word) {
char[] str = word.toCharArray();
Node cur = root;
for (char c : str) {
if (cur.nodes[c - 'a'] == null) {
return false;
}
cur = cur.nodes[c - 'a'];
}
return cur.e != 0;
}
public boolean startsWith(String prefix) {
char[] str = prefix.toCharArray();
Node cur = root;
for (char c : str) {
if (cur.nodes[c - 'a'] == null) {
return false;
}
cur = cur.nodes[c - 'a'];
}
return true;
}
}
本文的所有图例见: processon:前缀树的设计和实现
更多
本文来自博客园,作者:Grey Zeng,转载请注明原文链接:https://www.cnblogs.com/greyzeng/p/16647565.html