来自北大算法课的Leetcode题解：208. 实现Trie（前缀树）_普林斯顿算法前缀树答案-优快云博客

这篇博客介绍了如何使用字典树（Trie）数据结构来高效地插入、搜索和检查字符串前缀。字典树允许快速查找是否存在某个单词，通过在每个节点上设置一个标志位来区分是否为完整单词。博客详细讲解了插入、搜索和前缀检查的实现过程，并提供了相应的Python代码示例。

代码仓库：Github | Leetcode solutions @doubleZ0108 from Peking University.

解法1(T76% S67%): 是数据结构设计的题。对于前缀树（字典树）中每个节点TrieNode保存的是children节点，可以通过一个字典实现，同时要设置一个flag标明当前节点是否为完整的单词，叶子节点保存的就是一个完整的单词但并不是所有单词都是叶
- insert()：把每个字母都当作一个节点挂在上一个节点的children中，如果children中已经有了这个字符那就不用创建了直接使用就可以
- search()：不断搜索children，如果最终停下来的flag是word，则证明找到了这个单词
- startsWith()：跟search逻辑一样，只是不需要满足停下来的时候是单词，只要之前一直满足children中有各个字符就可以
为什么要设立flag标识是否为单词呢？比如第一次插入app，那一个左支树a-p-p；又插入apple，发现之前已经有a-p-p了，所以接着往后挂就可以a-p-p-l-e，但app也是一个单词，最后的p并不是叶节点
```
def search(self, word: str) -> bool:
  node = self.root
  for c in word:
      if c not in node.children: return False
      node = node.children[c]
  return node.isWord
```

class TrieNode:
    def __init__(self):
        self.children = {}
        self.isWord = False

class Trie:

    def __init__(self):
        self.root = TrieNode()


    def insert(self, word: str) -> None:
        node = self.root
        for c in word:
            if c not in node.children:
                node.children[c] = TrieNode()
            node = node.children[c]
        node.isWord = True


    def search(self, word: str) -> bool:
        node = self.root
        for c in word:
            if c not in node.children: return False
            node = node.children[c]
        return node.isWord


    def startsWith(self, prefix: str) -> bool:
        node = self.root
        for c in prefix:
            if c not in node.children: return False
            node = node.children[c]
        return True