/// <summary> /// trie中的键通常是字符串,但也可以是其它的结构。trie的算法可以很容易地修改为处理其它结构的有序序列,比如一串数字或者形状的排列。比如,bitwise trie中的键是一串比特,可以用于表示整数或者内存地址。 ///使用Trie往往是为了实现单词查找或者统计频率. /// </summary> public class TNode { public Dictionary<char, TNode> Childs { get; set; } public bool EndOfWrod { get; set; } } public class Trie { private TNode _root = new TNode(); public void Add(string word) { var currentNode = _root; for (int i = 0; i < word.Length; i++) { if (!currentNode.Childs.ContainsKey(word[i])) { currentNode.Childs.Add(word[i], new TNode()); } currentNode = currentNode.Childs[word[i]]; } currentNode.EndOfWrod = true; } public bool Contains(string word) { return GetLastNode(word).EndOfWrod; } public bool StartWith(string preFix) { return GetLastNode(preFix) != null; } private TNode GetLastNode(string word) { var currentNode = _root; for (int i = 0; i < word.Length; i++) { if (!currentNode.Childs.ContainsKey(word[i])) { return null; } currentNode = currentNode.Childs[word[i]]; } return currentNode; } }
Trie树又叫“字典树”,是一种在字符串计算中极为常见的数据结构。在介绍Trie树的具体结构之前,我们首先要搞明白的就是Trie树究竟是用来解决哪一类问题的,为什么这类问题可以用Trie树高效的解决。
我们为什么用Trie树
1. 节约字符串的存储空间
假设现在我们需要对海量字符串构建字典。所谓字典就是一个集合,这个集合包含了所有不重复的字符串,字典在对文本数据做信息检索系统时的作用我想毋庸赘述了。那么现在就出现了一个问题,那就是字典对存储空间的消耗过大。而当这些字符串中存在大量的串拥有重复的前缀时,这种消耗就显得过于浪费了。比如:“ababc”,“ababd”,“ababrf”,“abab…”,…,这些字符串几乎都拥有公共前缀”abab”。 我们直接的想法是,能不能通过一种存储结构节约存储成本,使得所有拥有重复前缀的串对于公共前缀只存储一遍。这种存储的应用场景如果是对DNA序列的存储,那么出现重复前缀的可能性更大,空间需求也就更为强烈。
2. 字符串检索
检索一个字符串是否属于某个词典时,我们当前一般有两种思路:
线性遍历词典,计算复杂度O(n),n为词典长度;
利用hash表,预先处理字符串集合。这样再搜索运算时,计算复杂度O(1)。但是hash计算可能存在碰撞问题,一般的解决办法比如对某个hash值所代表的字符串实施二次检索,则计算时间也会上来。而且,hash虽说是一种高效算法,其计算效率比直接字符匹配还是要略高的。
所以,能不能设计一种高效的数据结构帮助解决字符串检索的问题?
3. 字符串公共前缀问题
这里有两个非常典型的例子:
求取已知的n个字符串的最长公共前缀,朴素方法的时间复杂度为O(nt),t为最长公共前缀的长度;
给定字符串a,求取a在某n个字符串中和哪些串拥有公共前缀
对于问题(2),除了朴素的比较法之外,我们还可以采取对每个字符串的所有前缀计算hash值的方法,这样一来,计算所有前缀hash值复杂度O(n∗len),len为字符串的平均长度,查询的复杂度为O(n)。虽然降低了查询复杂度,但是计算hash值显然费时费力。
Trie树的构造
1. 结构
Trie树是如图所示的一棵多叉树。其中存储的字符串集合为:
{“a”,“aa”,“ab”,“ac”,“aab”,“aac”,“bc”,“bd”,“bca”,“bcc”}