python实现字典树

前言

　　trie 树 也叫字典树，也是一种 N 叉树，是一种特殊的前缀树结构。通常来说，一个前缀树是用来存储字符串的。前缀树的每一个节点代表一个字符串（前缀）。每一个节点会有多个子节点，通往不同子节点的路径上有着不同的字符。子节点代表的字符串是由节点本身的原始字符串，以及通往该子节点路径上所有的字符组成的。

　　前缀树的一个重要的特性是，节点所有的后代都与该节点相关的字符串有着共同的前缀。这就是前缀树名称的由来。 

实现

1 # coding=utf-8
  2 #字典嵌套牛逼,别人写的,这样每一层非常多的东西,搜索就快了,树高26.所以整体搜索一个不关多大的单词表,还是O(1).
  3 
  4 '''
  5     Python 字典 setdefault() 函数和get() 方法类似, 如果键不存在于字典中，将会添加键并将值设为默认值。
  6     主要在于当查找的键值 key 不存在的时候，setdefault()函数会返回默认值并更新字典，添加键值；而 get() 函数只返回默认值，并不改变原字典。
  7     简化了字典计数的代码.并且这个函数的返回值是做完这些事情之后这个key的value值.
  8     dict.setdefault(key, default=None)
  9     Python 字典 get() 函数返回指定键的值，如果值不在字典中返回默认值。
 10     dict.get(key, default=None)
 11 '''
 12 
 13 
 14 class Trie:
 15     root = {}
 16     END = '/'  # 加入这个是为了区分单词和前缀,如果这一层node里面没有/他就是前缀.不是我们要找的单词.
 17 
 18     def insert(self, word):
 19         # 从根节点遍历单词,char by char,如果不存在则新增,最后加上一个单词结束标志
 20         node = self.root
 21         for c in word:
 22             """
 23             利用嵌套来做,一个trie树的子树也是一个trie树.
 24             利用setdefault的返回值是value的特性,如果找到了key就进入value
 25             没找到,就建立一个空字典
 26             """
 27             node = node.setdefault(c, {})
 28         node[self.END] = None
 29         # 当word都跑完了,就已经没有字了.那么当前节点也就是最后一个字母的节点
 30         # 加一个属性标签end.这个end里面随意放一个value即可.因为我们只是判定end这个key是否在字典里面.
 31         # 考虑insert 同一个单词2次的情况,第二次insert 这个单词的时候,因为用setdefault
 32         # insert里面的话都不对原字典进行修改.正好是我们需要的效果.
 33         # 这个self.END很重要,可以作为信息来存储.比如里面可以输入这个单词的
 34         # 起源,发音,拼写,词组等作为信息存进去.找这个单词然后读出单词的信息.
 35 
 36     def delete(self, word):  # 字典中删除word
 37         node = self.root
 38         for c in word:
 39             if c not in node:
 40                 print('字典中没有不用删')
 41                 return False
 42             node = node[c]
 43         # 如果找到了就把'/'删了
 44         del node['/']
 45         # 后面还需要检索一遍,找一下是否有前缀的后面没有单词的.把前缀的最后一个字母也去掉.因为没单词了,前缀也没意义存在了.
 46         # 也就是说最后一个字母这个节点,只有'/',删完如果是空的就把这个节点也删了.
 47         while node == {}:
 48             if word == '':
 49                 return
 50             tmp = word[-1]
 51             word = word[:-1]
 52             node = self.root
 53             for c in word:
 54                 node = node[c]
 55             del node[tmp]
 56 
 57     def search(self, word):
 58         node = self.root
 59         for c in word:
 60             if c not in node:
 61                 return False
 62             node = node[c]
 63         return self.END in node
 64 
 65     def associate_search(self, pre):  # 搜索引擎里面的功能是你输入东西,不关是不是单词,他都输出以这个东西为前缀的单词.
 66         node = self.root
 67         for c in pre:
 68             if c not in node:
 69                 return []  # 因为字典里面没有pre这个前缀
 70             node = node[c]  # 有这个前缀就继续走,这里有个问题就是需要记录走过的路径才行.
 71         # 运行到这里node就是最后一个字母所表示的字典.
 72         # 举一个栗子:图形就是{a,b,c}里面a的value是{b,c,d} d的value是{/,e,f} 那么/代表的单词就是ad,看这个形象多了
 73         # 首先看这个字母所在的字典有没有END,返回a这个list
 74 
 75         # 然后下面就是把前缀是pre的单词都加到a里面.
 76         # 应该用广度遍历,深度遍历重复计算太多了.好像深度也很方便,并且空间开销很小.
 77         # 广度不行,每一次存入node,没用的信息存入太多了.需要的信息只是这些key是什么,而不需要存入node.
 78         # 但是深度遍历,又需要一个flag记录每个字母.字典的key又实现不了.
 79         # 用函数递归来遍历:只能先用这个效率最慢的先写了
 80         # 因为你遍历一直到底,到底一定是'/'和None.所以一定travel出来的是单词不是中间结果.
 81         def travel(node):  # 返回node节点和他子节点拼出的所有单词
 82             if node == None:
 83                 return ['']
 84             a = []  # 现在node是/ef
 85 
 86             for i in node:
 87                 tmp = node[i]
 88                 tmp2 = travel(tmp)
 89                 for j in tmp2:
 90 
 91                     a.append(i + j)
 92             return a
 93 
 94         output = travel(node)
 95         for i in range(len(output)):
 96             output[i] = (pre + output[i])[:-1]
 97         return output
 98 
 99 
100 
101 a = Trie()
102 a.insert('apple')
103 a.insert('appl')
104 a.insert("badj")
105 print(a.root)
106 print(a.associate_search('ap'))
107 a.delete('apple')
108 print(a.search('apple'))