Trie字典树【模板整理】

最新推荐文章于 2022-01-02 20:36:27 发布

原创最新推荐文章于 2022-01-02 20:36:27 发布 · 249 阅读

0 ·

CC 4.0 BY-SA版权

模板整理同时被 2 个专栏收录

3 篇文章

订阅专栏

字典树

1 篇文章

订阅专栏

本文介绍了字典树（Trie树）的概念及其在文本词频统计等场景的应用。通过详细解析字典树的基本操作（如查找、插入），并提供模板代码示例，帮助读者深入理解这一高效的数据结构。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

首先附上学习字典树参考的博客链接https://blog.youkuaiyun.com/piaocoder/article/details/47836559

字典树，又称单词查找树，Trie树，是一种树形结构，是一种哈希树的变种。典型应用是用于统计，排序和保存大量的字符串（但不仅限于字符串），所以经常被搜索引擎系统用于文本词频统计。它的优点是：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，查询效率比哈希树高。基本操作：查找、插入和删除，删除操作比较少见，本篇未整理。

以下是整理的模板代码

以下中结点中flag表示结束标志，可自由变化满足题目要求

1、结点

//结点 
struct trie
{
	trie *next[26];
	int flag;
	trie()
	{
		for(int i=0;i<26;i++)
		{
			next[i]=NULL;
		}
		flag=0;
	}
};

注意：1、结点所包含信息可自由变化（大小字母、数字等等）

2、构造函数中值的初始化

2、插入函数

//构造树的过程 

trie *p,*root=new trie();

void inseart(string s)
{
	p=root;//从根节点开始往下

	for(int i=0;s[i];i++)
	{

		int k=s[i]-'a';

		if(p->next[k]==NULL)//如果不存在，就新建节点

			p->next[k]=new trie();

		p=p->next[k];//注意这儿要更新p	

	}

	p->flag=1; //结束标志

}

3、查找函数

（类似于在字典中查找单词）

//查找过程 

trie *p,*root=new trie();

void search(string s)
{
	p=root;//从根节点开始往下查找
	
	for(int i=0;s[i];i++)
	{
		int k=s[i]-'a';

		if(p->next[k]==NULL)  //即s串未出现过，输出s串，查找结束
		{
			cout<<"not found"<<endl;
			return ;
		}	

		p=p->next[k];//注意这儿更新P（即选择相应的子树继续查找） 

	}

	if(p->flag) //flag=1即出现过s串，否则没有
	    cout<<"find"<<endl;
	else
	    cout<<"not find"<<endl";

}

查找过程简概（摘自百度百科）：

(1) 从根结点开始一次搜索；

(2) 取得要查找关键词的第一个字母，并根据该字母选择对应的子树并转到该子树继续进行检索；

(3) 在相应的子树上，取得要查找关键词的第二个字母,并进一步选择对应的子树进行检索。

(4) 迭代过程……

(5) 在某个结点处，关键词的所有字母已被取出，则读取附在该结点上的信息，即完成查找。

类型题目整理：待续······