字典樹(Trie樹)實現與應用
1、概述
一、基本概念
字典樹，又稱爲單詞查找樹，Tire數，是一種樹形結構，它是一種哈希樹的變種。java
二、基本性質
- 根節點不包含字符，除根節點外的每個子節點都包含一個字符
- 從根節點到某一節點。路徑上通過的字符鏈接起來，就是該節點對應的字符串
- 每一個節點的全部子節點包含的字符都不相同
三、應用場景
典型應用是用於統計，排序和保存大量的字符串(不只限於字符串)，常常被搜索引擎系統用於文本詞頻統計。node
四、優勢
利用字符串的公共前綴來減小查詢時間，最大限度的減小無謂的字符串比較，查詢效率比哈希樹高。數組
2、構建過程
一、字典樹節點定義
class TrieNode // 字典樹節點 { private int num;// 有多少單詞經過這個節點,即由根至該節點組成的字符串模式出現的次數 private TrieNode[] son;// 全部的兒子節點 private boolean isEnd;// 是否是最後一個節點 private char val;// 節點的值 TrieNode() { num = 1; son = new TrieNode[SIZE]; isEnd = false; } }
二、字典樹構造函數
Trie() // 初始化字典樹 { root = new TrieNode(); }
三、創建字典樹
// 創建字典樹 public void insert(String str) // 在字典樹中插入一個單詞 { if (str == null || str.length() == 0) { return; } TrieNode node = root; char[] letters = str.toCharArray();//將目標單詞轉換爲字符數組 for (int i = 0, len = str.length(); i < len; i++) { int pos = letters[i] - 'a'; if (node.son[pos] == null) //若是當前節點的兒子節點中沒有該字符，則構建一個TrieNode並復值該字符 { node.son[pos] = new TrieNode(); node.son[pos].val = letters[i]; } else //若是已經存在，則將由根至該兒子節點組成的字符串模式出現的次數+1 { node.son[pos].num++; } node = node.son[pos]; } node.isEnd = true; }
四、在字典樹中查找是否徹底匹配一個指定的字符串
// 在字典樹中查找一個徹底匹配的單詞. public boolean has(String str) { if(str==null||str.length()==0) { return false; } TrieNode node=root; char[]letters=str.toCharArray(); for(int i=0,len=str.length(); i<len; i++) { int pos=letters[i]-'a'; if(node.son[pos]!=null) { node=node.son[pos]; } else { return false; } } //走到這一步，代表可能徹底匹配，也可能部分匹配，若是最後一個字符節點爲末端節點，則是徹底匹配，不然是部分匹配 return node.isEnd; }
五、前序遍歷字典樹
// 前序遍歷字典樹. public void preTraverse(TrieNode node) { if(node!=null) { System.out.print(node.val+"-"); for(TrieNode child:node.son) { preTraverse(child); } } }
六、計算單詞前綴的數量
// 計算單詞前綴的數量 public int countPrefix(String prefix) { if(prefix==null||prefix.length()==0) { return-1; } TrieNode node=root; char[]letters=prefix.toCharArray(); for(int i=0,len=prefix.length(); i<len; i++) { int pos=letters[i]-'a'; if(node.son[pos]==null) { return 0; } else { node=node.son[pos]; } } return node.num; }
完整代碼：數據結構
package com.xj.test; public class Trie { private int SIZE = 26; private TrieNode root;// 字典樹的根 class TrieNode // 字典樹節點 { private int num;// 有多少單詞經過這個節點,即由根至該節點組成的字符串模式出現的次數 private TrieNode[] son;// 全部的兒子節點 private boolean isEnd;// 是否是最後一個節點 private char val;// 節點的值 TrieNode() { num = 1; son = new TrieNode[SIZE]; isEnd = false; } } Trie() // 初始化字典樹 { root = new TrieNode(); } // 創建字典樹 public void insert(String str) // 在字典樹中插入一個單詞 { if (str == null || str.length() == 0) { return; } TrieNode node = root; char[] letters = str.toCharArray();//將目標單詞轉換爲字符數組 for (int i = 0, len = str.length(); i < len; i++) { int pos = letters[i] - 'a'; if (node.son[pos] == null) //若是當前節點的兒子節點中沒有該字符，則構建一個TrieNode並復值該字符 { node.son[pos] = new TrieNode(); node.son[pos].val = letters[i]; } else //若是已經存在，則將由根至該兒子節點組成的字符串模式出現的次數+1 { node.son[pos].num++; } node = node.son[pos]; } node.isEnd = true; } // 計算單詞前綴的數量 public int countPrefix(String prefix) { if(prefix==null||prefix.length()==0) { return-1; } TrieNode node=root; char[]letters=prefix.toCharArray(); for(int i=0,len=prefix.length(); i<len; i++) { int pos=letters[i]-'a'; if(node.son[pos]==null) { return 0; } else { node=node.son[pos]; } } return node.num; } // 打印指定前綴的單詞 public String hasPrefix(String prefix) { if (prefix == null || prefix.length() == 0) { return null; } TrieNode node = root; char[] letters = prefix.toCharArray(); for (int i = 0, len = prefix.length(); i < len; i++) { int pos = letters[i] - 'a'; if (node.son[pos] == null) { return null; } else { node = node.son[pos]; } } preTraverse(node, prefix); return null; } // 遍歷通過此節點的單詞. public void preTraverse(TrieNode node, String prefix) { if (!node.isEnd) { for (TrieNode child : node.son) { if (child != null) { preTraverse(child, prefix + child.val); } } return; } System.out.println(prefix); } // 在字典樹中查找一個徹底匹配的單詞. public boolean has(String str) { if(str==null||str.length()==0) { return false; } TrieNode node=root; char[]letters=str.toCharArray(); for(int i=0,len=str.length(); i<len; i++) { int pos=letters[i]-'a'; if(node.son[pos]!=null) { node=node.son[pos]; } else { return false; } } //走到這一步，代表可能徹底匹配，可能部分匹配，若是最後一個字符節點爲末端節點，則是徹底匹配，不然是部分匹配 return node.isEnd; } // 前序遍歷字典樹. public void preTraverse(TrieNode node) { if(node!=null) { System.out.print(node.val+"-"); for(TrieNode child:node.son) { preTraverse(child); } } } public TrieNode getRoot() { return this.root; } public static void main(String[]args) { Trie tree=new Trie(); String[]strs= {"banana","band","bee","absolute","acm",}; String[]prefix= {"ba","b","band","abc",}; for(String str:strs) { tree.insert(str); } System.out.println(tree.has("abc")); tree.preTraverse(tree.getRoot()); System.out.println(); //tree.printAllWords(); for(String pre:prefix) { int num=tree.countPrefix(pre); System.out.println(pre+"數量:"+num); } } }
執行結果截圖：ide
3、簡單應用
下面講一個簡單的應用，問題是這樣的：函數
如今有一個英文字典(每一個單詞都是由小寫的a-z組成)，單詞量很大，並且還有不少重複的單詞。this
此外，咱們還有一些Document，每一個Document包含一些英語單詞。下面是問題：搜索引擎
(問題1)請你選擇合適的數據結構，將全部的英文單詞生成一個字典Dictionary？url
(問題2)給定一個單詞，判斷這個單詞是否在字典Dictionary中，若是在單詞庫中，輸出這個單詞出現總共出現的次數，不然輸出NO？spa
package com.xj.test; import java.io.BufferedReader; import java.io.File; import java.io.FileInputStream; import java.io.FileNotFoundException; import java.io.IOException; import java.io.InputStreamReader; import java.util.HashMap; import java.util.Map; public class Trie { private int SIZE = 26; private TrieNode root;// 字典樹的根 class TrieNode // 字典樹節點 { private int num;// 有多少單詞經過這個節點,即由根至該節點組成的字符串模式出現的次數 private TrieNode[] son;// 全部的兒子節點 private boolean isEnd;// 是否是最後一個節點 private char val;// 節點的值 TrieNode() { num = 1; son = new TrieNode[SIZE]; isEnd = false; } } Trie() // 初始化字典樹 { root = new TrieNode(); } // 創建字典樹 public void insert(String str) // 在字典樹中插入一個單詞 { if (str == null || str.length() == 0) { return; } TrieNode node = root; char[] letters = str.toCharArray();//將目標單詞轉換爲字符數組 for (int i = 0, len = str.length(); i < len; i++) { int pos = letters[i] - 'a'; if (node.son[pos] == null) //若是當前節點的兒子節點中沒有該字符，則構建一個TrieNode並復值該字符 { node.son[pos] = new TrieNode(); node.son[pos].val = letters[i]; } else //若是已經存在，則將由根至該兒子節點組成的字符串模式出現的次數+1 { node.son[pos].num++; } node = node.son[pos]; } node.isEnd = true; } // 計算單詞前綴的數量 public int countPrefix(String prefix) { if(prefix==null||prefix.length()==0) { return-1; } TrieNode node=root; char[]letters=prefix.toCharArray(); for(int i=0,len=prefix.length(); i<len; i++) { int pos=letters[i]-'a'; if(node.son[pos]==null) { return 0; } else { node=node.son[pos]; } } return node.num; } // 打印指定前綴的單詞 public String hasPrefix(String prefix) { if (prefix == null || prefix.length() == 0) { return null; } TrieNode node = root; char[] letters = prefix.toCharArray(); for (int i = 0, len = prefix.length(); i < len; i++) { int pos = letters[i] - 'a'; if (node.son[pos] == null) { return null; } else { node = node.son[pos]; } } preTraverse(node, prefix); return null; } // 遍歷通過此節點的單詞. public void preTraverse(TrieNode node, String prefix) { if (!node.isEnd) { for (TrieNode child : node.son) { if (child != null) { preTraverse(child, prefix + child.val); } } return; } System.out.println(prefix); } // 在字典樹中查找一個徹底匹配的單詞. public boolean has(String str) { if(str==null||str.length()==0) { return false; } TrieNode node=root; char[]letters=str.toCharArray(); for(int i=0,len=str.length(); i<len; i++) { int pos=letters[i]-'a'; if(node.son[pos]!=null) { node=node.son[pos]; } else { return false; } } //走到這一步，代表可能徹底匹配，可能部分匹配，若是最後一個字符節點爲末端節點，則是徹底匹配，不然是部分匹配 return node.isEnd; } // 前序遍歷字典樹. public void preTraverse(TrieNode node) { if(node!=null) { System.out.print(node.val+"-"); for(TrieNode child:node.son) { preTraverse(child); } } } public TrieNode getRoot() { return this.root; } public static void main(String[]args) throws IOException { Trie tree=new Trie(); String[] dictionaryData= {"hello","student","computer","sorry","acm","people","experienced","who","reminds","everyday","almost"}; //構建字典 for(String str:dictionaryData) { tree.insert(str); } String filePath="C:\\Users\\Administrator\\Desktop\\sourceFile.txt"; File file=new File(filePath); if(file.isFile() && file.exists()) { InputStreamReader read = new InputStreamReader(new FileInputStream(file)); BufferedReader bufferedReader = new BufferedReader(read); String lineTxt = null; Map<String,Integer> countMap=new HashMap<String,Integer>(); while((lineTxt = bufferedReader.readLine())!= null) { if(tree.has(lineTxt)) { if(countMap.containsKey(lineTxt)) { countMap.put(lineTxt, countMap.get(lineTxt)+1); } else { countMap.put(lineTxt, 1); } } else { System.out.println(lineTxt+"不在字典中！"); } } for(String s:countMap.keySet()) { System.out.println(s+"出現的次數"+countMap.get(s)); } read.close(); } } }
其中text文件內容爲：
程序執行結果爲：
4、參考資料
相關文章
- 1. python 實現 trie(字典) 樹
- 2. 字典樹(Trie)-Swift實現
- 3. 字典樹 Trie Java實現
- 4. 字典樹（trie樹）
- 5. 字典樹（trie樹
- 6. 字典樹Trie樹
- 7. Trie樹（字典樹）
- 8. 字典樹（Trie樹）
- 9. Trie樹 （字典樹）
- 10. Trie樹（字典樹）的C++實現
- 更多相關文章...
- • XML 樹結構 - XML 教程
- • Swift 字典 - Swift 教程
- • Spring Cloud 微服務實戰(三) - 服務註冊與發現
- • TiDB 在摩拜單車在線數據業務的應用和實踐
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. python 實現 trie(字典) 樹
- 2. 字典樹(Trie)-Swift實現
- 3. 字典樹 Trie Java實現
- 4. 字典樹（trie樹）
- 5. 字典樹（trie樹
- 6. 字典樹Trie樹
- 7. Trie樹（字典樹）
- 8. 字典樹（Trie樹）
- 9. Trie樹 （字典樹）
- 10. Trie樹（字典樹）的C++實現