字典树,又称单词查找树,Trie 树,是一种树形结构,是一种哈希树的变种。典型应用是用于统计,排序和保存大量的字符串(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:利用字符串的公共前缀来减少查询时间,最大限度地减少无谓的字符串比较,查询效率比哈希树高。

字典树的主要性质
字典树的应用:
用在统计和排序大量字符串,如自动机。字典树能做前缀搜索,在正则匹配,数据压缩,构建索引都可能用到。
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。
在接下来的内容里,我们将逐步介绍字典树的具体功能是如何实现的。

  1. 创建 TrieNode 类

创建一个 TrieNode 的类,构建内置字典结构

具体实现代码如下

class TrieNode:
    def __init__(self):
        self.nodes = dict()  # 构建字典
        self.is_leaf = False
  1. 添加 insert 函数

插入一个字到字典树中

具体实现代码如下:

def insert(self, word: str):  
    curr = self
    for char in word:
        if char not in curr.nodes:
            curr.nodes[char] = TrieNode()
        curr = curr.nodes[char]
    curr.is_leaf = True
  1. 添加 insert_many 函数

插入一列表的字到字典树中

具体实现代码如下:

def insert_many(self, words: [str]): 
    for word in words:
        self.insert(word)
  1. 添加 search 函数

在字典树里面查询一个字

具体实现代码如下:

def search(self, word: str):
    curr = self
    for char in word:
        if char not in curr.nodes:
            return False
        curr = curr.nodes[char]
    return curr.is_leaf