Trie字典树

本文探讨了如何利用二进制树(Trie)数据结构高效地存储字符串并实现查找、敏感词过滤及异或对操作。通过实例讲解如何创建Trie节点,演示插入、搜索和起始字符检查的功能,并深入剖析最大异或对的计算方法。
  1. 问题定义:快速存储和查找字符串集合的数据结构。
    1. 查找是否存在或有多少个。
    2. 过滤敏感词
    3. 没有标记 或者 走不通 说明不存在这个单词。

  1. 创建字典树:创建一个roo根节点全局使用,遍历字符串,往下生成子节点。

    class TrieNode{
      TrieNode next[]; //下一层     这里可以用map,敏感词过滤
      int end; //判断以这个点结尾的数量
    
      public TrieNode(TrieNode[] next, int end) {
          this.next = next;
          this.end = end;
      }
    }
    //-------------------------------------------------------
    public void insert(String word) {
      char[] s = word.toCharArray();
      int len = s.length;
      TrieNode now = root;
      for(int i = 0;i<len;i++){
          if(now.next[s[i]-'a']==null) now.next[s[i]-'a'] = new TrieNode(new TrieNode[26],0);//没有路 创建路  可以用Map创建,维护个map属性即可。
          now = now.next[s[i]-'a'];
      }
      //对终点做特殊处理
      now.end+=1;
    }
    
    public boolean search(String word) {
      char[] s = word.toCharArray();
      int len = s.length;
      TrieNode now = root;
      for(int i = 0;i<len;i++){
          if(now.next[s[i]-'a']==null) return false;
          now = now.next[s[i]-'a'];
      }
      //对终点做特殊判断
      if(now.end==0 ) return false;
      return true;
    }
    
    public boolean startsWith(String prefix) {
      char[] s = prefix.toCharArray();
      int len = s.length;
      TrieNode now = root;
      for(int i = 0;i<len;i++){
          if(now.next[s[i]-'a']==null) return false;
          now = now.next[s[i]-'a'];
      }
      return true;
    }
    

题:最大异或对: 使用2进制建树,从高位到低位,for(int i = 30;i>=0;i–)

### 使用Trie字典树进行敏感词检测的实现方法 #### 背景介绍 Trie字典树是一种高效的树形数据结构,广泛应用于字符串处理领域。它通过共享公共前缀的方式减少了存储空间和查询时间,在敏感词检测场景下表现尤为突出[^1]。 #### 数据结构设计 Trie树的核心在于其节点的设计。每个节点通常包含以下几个部分: - **字符**:当前节点所代表的字符。 - **子节点集合**:指向下一个可能的字符节点。 - **结束标志位 (isEnd)**:用于标记某个路径是否构成了完整的敏感词[^2]。 以下是Trie节点的一个简单定义: ```java class TrieNode { private boolean isEnd; private Map<Character, TrieNode> children; public TrieNode() { this.children = new HashMap<>(); this.isEnd = false; } public boolean isEnd() { return isEnd; } public void setEnd(boolean end) { isEnd = end; } public Map<Character, TrieNode> getChildren() { return children; } } ``` #### 插入敏感词 为了构建一棵能够完成敏感词检测的Trie树,首先需要将所有的敏感词插入到树中。每插入一个新词时,按照字母顺序逐层创建节点并更新`isEnd`属性以标记完整词语的位置[^3]。 示例代码如下所示: ```java public class Trie { private final TrieNode root; public Trie() { root = new TrieNode(); } // 向Trie树中添加一个新的敏感词 public void addWord(String word) { TrieNode current = root; for (char c : word.toCharArray()) { if (!current.getChildren().containsKey(c)) { current.getChildren().put(c, new TrieNode()); } current = current.getChildren().get(c); } current.setEnd(true); // 设置最后一个节点为终止状态 } } ``` #### 进行敏感词过滤 当完成了所有敏感词的初始化之后,就可以基于这棵Trie树来进行实际的文字审查工作了。具体做法是从输入文本的第一位开始逐步向下匹配直到找到整个句子或者遇到未记录下来的分支为止[^2]。 下面给出了一段Java程序片段展示如何替换掉原文中的不当表述部分: ```java public String filter(String text) { StringBuilder sb = new StringBuilder(); int length = text.length(); for(int i=0;i<length;){ int j=i; TrieNode node=root; while(j<length && node!=null){ char ch=text.charAt(j); node=node.getChildren().get(ch); if(node==null || !node.isEnd()){ break; } if(node.isEnd()){ sb.append("***"); i=j+1; continue; } j++; } if(i>=j){ sb.append(text.charAt(i)); i++; }else{ i=j; } } return sb.toString(); } ``` 此函数会逐一扫描给定字符串里的每一项成分,并依据预先建立好的规则决定保留原样还是替换成指定符号序列(这里选用的是三个星号)。 --- ###
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值