字典树 01 字典树基础-优快云博客

本文深入探讨了字典树（Trie）这一高效的数据结构，解释了其相较于传统树结构的优势，即在单词搜索上的O(w)时间复杂度，其中w为单词长度。文章详细介绍了Trie的节点结构，字符作为‘边’而非节点存储，以及如何通过遍历而非递归添加单词。同时，提供了基础的Trie实现代码。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Trie - 字典树

字典树这种数据结构最典型的用例就是存单词；
相较于普通的树结构O(logn)的时间复杂度，其时间复杂度为O(w)，w为单词的长度；

基础代码

Trie中的节点Node是不存储字符的，字符作为“边”，存储在父节点的映射next的key中；
Trie作为树结构，一种高级的数据结构，和链表，二叉树一样，本身只是个壳，里面是要封装一个头指针的，作为拎起整棵树的拎手；
在向Trie中添加单词的时候，并没有用递归的方式，而是遍历；

import java.util.TreeMap;

public class Trie {

    private class Node{
        public boolean isWord;
        public TreeMap<Character, Node> next;

        public Node(boolean isWord){
            this.isWord = isWord;
            next = new TreeMap<>();
        }

        public Node(){
            this(false);
        }
    }

    private Node root;
    private int size;

    public Trie(){
        root = new Node();
        size = 0;
    }

    // 获得Trie中存储的单词数量
    public int getSize(){
        return size;
    }

}

向Trie中添加一个新的单词word

// 向Trie中添加一个新的单词word
public void add(String word){
    Node cur = root;
    for(int i = 0 ; i < word.length() ; i ++){
        char c = word.charAt(i);
        if(cur.next.get(c) == null)
            cur.next.put(c, new Node());
        cur = cur.next.get(c);
    }

    if(!cur.isWord){
        cur.isWord = true;
        size ++;
    }
}