【数据结构】Trie（字典树，前缀树）及其实现

最新推荐文章于 2025-02-18 21:43:37 发布

无意呢

最新推荐文章于 2025-02-18 21:43:37 发布

阅读量695

点赞数 1

CC 4.0 BY-SA版权

分类专栏：数据结构文章标签：数据结构 Trie 字典树前缀树

本文链接：https://blog.youkuaiyun.com/qq_41900081/article/details/86726821

Trie，又称单词查找树，是一种高效的字符串查询数据结构。它利用字符串的公共前缀减少查询时间，虽空间消耗大，但在特定场景下性能优于哈希树。本文将探讨Trie树的特性，并提供两个Java实现版本。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

理解Trie：

Trie又称单词查找树，是一种树形结构，是哈希树的变种。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。
优点：非常适合操作字符串，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。
缺点：虽然不同单词共享前缀，但其实trie是一个以空间换时间的算法，每个结点只存储一个字符浪费了

Trie树的一些特性：

根节点不包含字符，除根节点外每一个节点都只包含一个字符，每个结点拥有26个子结点j

从根节点到某一节点，路径上经过的字符连接起来，为该节点对应的字符串。

每个节点的所有子节点包含的字符都不相同

如果字符的种数为n，则每个结点的出度为n，这也是空间换时间的体现，浪费了很多的空间

插入查找的复杂度为O(n)，n为字符串长度。

Java版本1实现:

package trie;

public class Trie {
   
   
	private class Node{
   
   
		boolean isWord;
		Node[] next = new Node[26];
		
		public Node(boolean isWord) {
   
   
			this.isWord = isWord;
		}
		
		public Node() {
   
   
			this(false);
		}
	}
	
	private Node root;
	private int size;
	
	public Trie() {
   
   
		root = new Node();
	}
	
	//获·得Trie中存储的单词数量
	public int getSize() {
   
   
		return size;
	}
	
	//向Trie中添加一个单词word
	public void add(String word){
   
   
		 Node cur = root;
			for(char c : word.toCharArray()) {
   
   
				if(cur.next[c - 'a'] == null)
					cur.next[c - 'a'] = new Node();
				cur = cur.next[c - 'a'];
			}
			
			if(!cur.isWord) {
   
   
				cur.isWord