首页 > 代码库 > Java实现Tire

Java实现Tire

2024-07-13 05:41:02   221人阅读

Trie，又称单词查找树或键树，是一种树形结构。典型应用是用于统计和排序大量的字符串（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。它的优点是：最大限度地减少无谓的字符串比较，查询效率比哈希表高。

它有3个基本性质：

  • 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。
  • 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。

下面这个图就是Trie的表示，每一条边表示一个字符，如果结束，就用星号表示。在这个Trie结构里，我们有下面字符串，比如do, dork, dorm等，但是Trie里没有ba, 也没有sen，因为在a, 和n结尾，没有结束符号（星号）。

有了这样一种数据结构，我们可以用它来保存一个字典，要查询改字典里是否有相应的词，是否非常的方便呢？我们也可以做智能提示，我们把用户已经搜索的词存在Trie里，每当用户输入一个词的时候，我们可以自动提示，比如当用户输入 ba, 我们会自动提示 bat 和 baii.

现在来讨论Trie的实现。

首先，我们定义一个Abstract Trie,Trie 里存放的是一个Node。这个类里有两个操作，一个是插入，另一个是查询。具体实现放在后面。

实现                                                                                            

Node类：

package com.yydcdut;import java.util.LinkedList;public class Node {    char content; //装node中的内容    boolean isEnd; //是否是单词的结尾    int count;  //这个单词的这个字母下面分支的个数    LinkedList<Node> childList; //子list    /**     * 构造函数     * @param c 单词的字母     */    public Node(char c){          childList = new LinkedList<Node>();          isEnd = false;          content = c;          count = 0;      }       /**     * 遍历一下这个node中LinkedList中是否有这个字母，有就意味着可以继续查找下去，没有就没有。     * @param c 单词的字母     * @return 如果有的话就返回下一个node，没有的话就返回null     */    public Node subNode(char c){          if(childList != null){              for(Node eachChild : childList){                  if(eachChild.content == c){                      return eachChild;                  }              }          }          return null;      }  }

具体实现：

package com.yydcdut;public class Main {        private Node root; //根     /**     * 构造函数，生成根        */    public Main(){          root = new Node(‘ ‘);       }      /**     * 插入函数，先判断是否有这个单词了（通过每个单词字母来判断），如果没有，挨着顺序判断是否有这个字母了，     *如果有这个字幕，继续判断下一个，当没有这个字母的时候，对这个字母new一个node对象，放入到上一个字母的     *LinkedList里面            * @param word 要插入的单词     */    public void insert(String word){          //如果找到就返回        if(search(word) == true) return;                    Node current = root;           for(int i = 0; i < word.length(); i++){              Node child = current.subNode(word.charAt(i));              if(child != null){                   current = child;              } else {                   current.childList.add(new Node(word.charAt(i)));                   current = current.subNode(word.charAt(i));              }            //单词下面分支数++            current.count++;          }           //在单词最后字母那里结束了        current.isEnd = true;      }      /**     * 查找函数，判断是否已经有隔着单词了     * @param word 要判断的单词     * @return 有这个单词返回true，没有返回false     */    public boolean search(String word){          Node current = root;                    for(int i = 0; i < word.length(); i++){                  if(current.subNode(word.charAt(i)) == null)                  return false;              else                  current = current.subNode(word.charAt(i));          }          //判断这个单词的这个字母是否在字典里面结束了        if (current.isEnd == true) return true;          else return false;      }      /**     * 删除函数，先判断是否存在这个单词，不存在就跳出，存在就删除掉，每个单词的count都要减1       * @param word 要删除的单词     */    public void deleteWord(String word){          if(search(word) == false) return;                Node current = root;          for(char c : word.toCharArray()) {               Node child = current.subNode(c);              if(child.count == 1) {                  current.childList.remove(child);                  return;              } else {                  child.count--;                  current = child;              }          }          current.isEnd = false;      }      public static void main(String[] args) {        Main trie = new Main();          trie.insert("ball");          trie.insert("balls");          trie.insert("sense");               System.out.println(trie.search("balls"));          System.out.println(trie.search("ba"));                  trie.deleteWord("balls");          System.out.println(trie.search("balls"));          System.out.println(trie.search("ball"));      }}

时间复杂度分析：

对于insert, 如果被插入的String长度是 k, 每对一个字符进行查询，我们最多在child linkedlist里面查询26次（最多26个字母），所以，复杂度为O(26*k) = O(k). 对于 search, 复杂度是一样的。

我是天王盖地虎的分割线                                                                 

源代码：http://pan.baidu.com/s/1dD1Qx01

trie.zip

参考：http://blog.csdn.net/beiyeqingteng


联系
我们