最近在学习的时候，经常看到使用Trie树数据结构来解决问题，比如“ 有一个1G大小的一个文件，里面每一行是一个词，词的大小不超过16字节，内存限制大小是1M。返回频数最高的100个词。” 该如何解决？ 有一种方案就是使用Trie树加 排序实现 。
什么是Trie 树呢？也就是常说的字典树，网上对此讲得也很多，简单补充一下个人理解： 它实际上相当于把单词的公共部分给拎出来，这样一层一层往上拎直到得到每个节点都是不可分的最小单元！
比如网上一个例子
一组单词，inn, int, at, age, adv, ant, 我们可以得到下面的Trie：
这里的节点上存的是一个单词，实际上，每个节点走过的路径就是该节点代表的单词！其它不多扯了~~~
Trie树有什么好处呢
它是一种非常快的单词查询结构，当然，对于单词去重统计也是非常好的选择！ 比如搜索引擎的关键词联想功能很好的一种选择就是使用Trie树了！比如你输入了in，通过上面的图我们应该提示inn和int ，这样可以轻松实现！ 另外，对于单词出现的频率统计， 以及查找公共前缀等问题，都可以很好的解决！ 本文不是讲理论，只是给出用java自己实现的Trie树数据结构，其中实现了 插入、查找、遍历、单词联想（找公共前缀） 等基本功能, 其它功能大家可以自己添加~~~~
============================================Trie树类
import java.util.HashMap;
public class TrieTree {
/**
* 内部节点类
*/
private class TrieNode {
private int dumpli_num;// 该字串的重复数目， 该属性统计重复次数的时候有用,取值为0、1、2、3、4、5……
@SuppressWarnings("unused")
private int prefix_num;// 以该字串为前缀的字串数， 应该包括该字串本身！！！！！
private TrieNode childs[];// 此处用数组实现，当然也可以map或list实现以节省空间
private boolean isLeaf;// 是否为单词节点
public TrieNode() {
dumpli_num = 0;
prefix_num = 0;
isLeaf = false;
childs = new TrieNode[26];
}
}
private TrieNode root;// 树根
public TrieTree() {
root = new TrieNode();// 初始化trie 树
}
/**
* 插入字串，用循环代替迭代实现
*
* @param words
*/
public void insert(String words) {
insert(this.root, words);
}
/**
* 插入字串，用循环代替迭代实现
*
* @param root
* @param words
*/
private void insert(TrieNode root, String words) {
words = words.toLowerCase();// 转化为小写
char[] chrs = words.toCharArray();
for (int i = 0, length = chrs.length; i < length; i++) {
// 用相对于a字母的值作为下标索引，也隐式地记录了该字母的值
int index = chrs[i] - 'a';
if (root.childs[index] != null) {
// 已经存在了，该子节点prefix_num++
root.childs[index].prefix_num++;
} else {
// 如果不存在
root.childs[index] = new TrieNode();
root.childs[index].prefix_num++;
}
// 如果到了字串结尾，则做标记
if (i == length - 1) {
root.childs[index].isLeaf = true;
root.childs[index].dumpli_num++;
}
// root指向子节点，继续处理
root = root.childs[index];
}
}
/**
* 遍历Trie树，查找所有的words以及出现次数
* @return
*/
public HashMap<String, Integer> getAllWords() {
return preTraversal(this.root, "");
}
/**
* 前序遍历
*
* @param root 子树根节点
* @param prefixs 查询到该节点前所遍历过的前缀
* @return
*/
private HashMap<String, Integer> preTraversal(TrieNode root, String prefixs) {
HashMap<String, Integer> map = new HashMap<String, Integer>();
if (root != null) {
if (root.isLeaf == true) {
// 当前即为一个单词
map.put(prefixs, root.dumpli_num);
}
for (int i = 0, length = root.childs.length; i < length; i++) {
if (root.childs[i] != null) {
char ch = (char) (i + 'a');
// 递归调用前序遍历
String tempStr = prefixs + ch;
map.putAll(preTraversal(root.childs[i], tempStr));
}
}
}
return map;
}
/**
* 判断某字串是否在字典树中
*
* @param word
* @return true if exists ,otherwise false
*/
public boolean isExist(String word) {
return search(this.root, word);
}
/**
* 查询某字串是否在字典树中
*
* @param word
* @return true if exists ,otherwise false
*/
private boolean search(TrieNode root, String word) {
char[] chs = word.toLowerCase().toCharArray();
for (int i = 0, length = chs.length; i < length; i++) {
int index = chs[i] - 'a';
if (root.childs[index] == null) {
// 如果不存在，则查找失败
return false;
}
root = root.childs[index];
}
return true;
}
/**
* 得到以某字串为前缀的字串集，包括字串本身！ 类似单词输入法的联想功能
*
* @param prefix 字串前缀
* @return 字串集以及出现次数，如果不存在则返回null
*/
public HashMap<String, Integer> getWordsForPrefix(String prefix) {
return getWordsForPrefix(this.root, prefix);
}
/**
* 得到以某字串为前缀的字串集，包括字串本身！
*
* @param root
* @param prefix
* @return 字串集以及出现次数
*/
private HashMap<String, Integer> getWordsForPrefix(TrieNode root, String prefix) {
char[] chrs = prefix.toLowerCase().toCharArray();
for (int i = 0, length = chrs.length; i < length; i++) {
int index = chrs[i] - 'a';
if (root.childs[index] == null) {
return null;
}
root = root.childs[index];
}
// 结果包括该前缀本身
// 此处利用之前的前序搜索方法进行搜索
return preTraversal(root, prefix);
}
}============================================Trie树测试类
/**
* 字典树新增
*/
@Test
public void test_tree() {
TrieTree trie = new TrieTree();
trie.insert("I");
trie.insert("Love");
trie.insert("China");
trie.insert("China");
trie.insert("China");
trie.insert("China");
trie.insert("China");
trie.insert("xiaoliang");
trie.insert("xiaoliang");
trie.insert("man");
trie.insert("handsome");
trie.insert("love");
trie.insert("chinaha");
trie.insert("her");
trie.insert("know");
HashMap<String,Integer> map=trie.getAllWords();
for(String key:map.keySet()){
System.out.println(key+" 出现: "+ map.get(key)+"次");
}
map=trie.getWordsForPrefix("chin");
System.out.println("\n\n包含chin（包括本身）前缀的单词及出现次数：");
for(String key:map.keySet()){
System.out.println(key+" 出现: "+ map.get(key)+"次");
}
if(trie.isExist("xiaoming")==false){
System.out.println("\n\n字典树中不存在：xiaoming ");
}
}
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
