0
点赞
收藏
分享

微信扫一扫

【图解 Trie】两种实现 Tire 的方式及其优缺点对比分析|Java


题目描述

这是 LeetCode 上的208. 实现 Trie (前缀树),难度为 Medium

Trie(发音类似 "try")或者说 前缀树 是一种树形数据结构,用于高效地存储和检索字符串数据集中的键。

这一数据结构有相当多的应用情景,例如自动补完和拼写检查。

请你实现 Trie 类:

  • ​Trie()​​ 初始化前缀树对象。
  • ​void insert(String word)​​ 向前缀树中插入字符串 word 。
  • ​boolean search(String word)​​ 如果字符串 word 在前缀树中,返回 true(即,在检索之前已经插入);否则,返回 false 。
  • ​boolean startsWith(String prefix)​​ 如果之前已经插入的字符串 word 的前缀之一为 prefix ,返回 true ;否则,返回 false 。


示例:

输入
["Trie", "insert", "search", "search", "startsWith", "insert", "search"]
[[], ["apple"], ["apple"], ["app"], ["app"], ["app"], ["app"]]

输出
[null, null, true, false, true, null, true]

解释
Trie trie = new Trie();
trie.insert("apple");
trie.search("apple"); // 返回 True
trie.search("app"); // 返回 False
trie.startsWith("app"); // 返回 True
trie.insert("app");
trie.search("app"); // 返回 True

提示:

  • 1 <= word.length, prefix.length <= 2000
  • word 和 prefix 仅由小写英文字母组成
  • insert、search 和 startsWith 调用次数 总计 不超过 3 *次

Trie 树

树(又叫「前缀树」或「字典树」)是一种用于快速查询「某个字符串/字符前缀」是否存在的数据结构。

其核心是使用「边」来代表有无字符,使用「点」来记录是否为「单词结尾」以及「其后续字符串的字符是什么」。

【图解 Trie】两种实现 Tire 的方式及其优缺点对比分析|Java_前缀树

二维数组

一个朴素的想法是直接使用「二维数组」来实现 树。

  • 使用二维数组来存储我们所有的单词字符。
  • 使用来自增记录我们到底用了多少个格子(相当于给被用到格子进行编号)。
  • 使用数组记录某个格子被「被标记为结尾的次数」(当编号的格子被标记了次,则有)。

代码 :

class Trie {
int N = 100009; // 直接设置为十万级
int[][] trie;
int[] count;
int index;

public Trie() {
trie = new int[N][26];
count = new int[N];
index = 0;
}

public void insert(String s) {
int p = 0;
for (int i = 0; i < s.length(); i++) {
int u = s.charAt(i) - 'a';
if (trie[p][u] == 0) trie[p][u] = ++index;
p = trie[p][u];
}
count[p]++;
}

public boolean search(String s) {
int p = 0;
for (int i = 0; i < s.length(); i++) {
int u = s.charAt(i) - 'a';
if (trie[p][u] == 0) return false;
p = trie[p][u];
}
return count[p] != 0;
}

public boolean startsWith(String s) {
int p = 0;
for (int i = 0; i < s.length(); i++) {
int u = s.charAt(i) - 'a';
if (trie[p][u] == 0) return false;
p = trie[p][u];
}
return true;
}
}
  • 时间复杂度: 树的每次调用时间复杂度取决于入参字符串的长度。复杂度为 。
  • 空间复杂度:二维数组的高度为 ,字符集大小为 。复杂度为 。

TrieNode

相比二维数组,更加常规的做法是建立 结构节点。

随着数据的不断插入,根据需要不断创建 节点。

代码:

class Trie {
class TrieNode {
boolean end;
TrieNode[] tns = new TrieNode[26];
}

TrieNode root;
public Trie() {
root = new TrieNode();
}

public void insert(String s) {
TrieNode p = root;
for(int i = 0; i < s.length(); i++) {
int u = s.charAt(i) - 'a';
if (p.tns[u] == null) p.tns[u] = new TrieNode();
p = p.tns[u];
}
p.end = true;
}

public boolean search(String s) {
TrieNode p = root;
for(int i = 0; i < s.length(); i++) {
int u = s.charAt(i) - 'a';
if (p.tns[u] == null) return false;
p = p.tns[u];
}
return p.end;
}

public boolean startsWith(String s) {
TrieNode p = root;
for(int i = 0; i < s.length(); i++) {
int u = s.charAt(i) - 'a';
if (p.tns[u] == null) return false;
p = p.tns[u];
}
return true;
}
}
  • 时间复杂度: 树的每次调用时间复杂度取决于入参字符串的长度。复杂度为 。
  • 空间复杂度:结点数量为 ,字符集大小为 。复杂度为 。

两种方式的对比

使用「二维数组」的好处是写起来飞快,同时没有频繁 对象的开销。但是需要根据数据结构范围估算我们的「二维数组」应该开多少行。

坏处是使用的空间通常是「」方式的数倍,而且由于通常对行的估算会很大,导致使用的二维数组开得很大,如果这时候每次创建 对象时都去创建数组的话,会比较慢,而且当样例多的时候甚至会触发 (因为 每测试一个样例会创建一个 对象)。

因此还有一个小技巧是将使用到的数组转为静态,然后利用 自增的特性在初始化 时执行清理工作 & 重置逻辑。

这样的做法能够使评测时间降低一半,运气好的话可以得到一个与「」方式差不多的时间。

class Trie {
// 以下 static 成员独一份,被创建的多个 Trie 共用
static int N = 100009; // 直接设置为十万级
static int[][] trie = new int[N][26];
static int[] count = new int[N];
static int index = 0;

// 在构造方法中完成重置 static 成员数组的操作
// 这样做的目的是为减少 new 操作(无论有多少测试数据,上述 static 成员只会被 new 一次)
public Trie() {
for (int row = index; row >= 0; row--) {
Arrays.fill(trie[row], 0);
}
Arrays.fill(count, 0);
index = 0;
}

public void insert(String s) {
int p = 0;
for (int i = 0; i < s.length(); i++) {
int u = s.charAt(i) - 'a';
if (trie[p][u] == 0) trie[p][u] = ++index;
p = trie[p][u];
}
count[p]++;
}

public boolean search(String s) {
int p = 0;
for (int i = 0; i < s.length(); i++) {
int u = s.charAt(i) - 'a';
if (trie[p][u] == 0) return false;
p = trie[p][u];
}
return count[p] != 0;
}

public boolean startsWith(String s) {
int p = 0;
for (int i = 0; i < s.length(); i++) {
int u = s.charAt(i) - 'a';
if (trie[p][u] == 0) return false;
p = trie[p][u];
}
return true;
}
}

关于「二维数组」是如何工作 & 1e5 大小的估算

要搞懂为什么行数估算是 1e5,首先要搞清楚「二维数组」是如何工作的。

在「二维数组」中,我们是通过 自增来控制使用了多少行的。

当我们有一个新的字符需要记录,我们会将 自增(代表用到了新的一行),然后将这新行的下标记录到当前某个前缀的格子中。

举个????,假设我们先插入字符串 ​​abc​​ 这时候,前面三行会被占掉。

  • 第 0 行 ​​a​​ 所对应的下标有值,值为 1,代表前缀 ​​a​​ 后面接的字符串会被记录在下标为 1 的行内
  • 第 1 行 ​​b​​ 所对应的下标有值,值为 2,代表前缀 ​​ab​​ 后面接的字符串会被记录在下标为 2 的行内
  • 第 2 行 ​​c​​ 所对应的下标有值,值为 3,代表前缀 ​​abc​​ 后面接的字符串会被记录在下标为 3 的行内

当再插入 ​​abcl​​​ 的时候,这时候会先定位到 ​​abl​​​ 的前缀行(第 3 行),将 ​​l​​​ 的下标更新为 4,代表 ​​abcl​​​ 被加入前缀树,并且前缀 ​​abcl​​ 接下来会用到第 4 行进行记录。

但当插入 ​​abl​​​ 的时候,则会定位到 ​​ab​​​ 的前缀行(第 2 行),然后将 ​​l​​​ 的下标更新为 5,代表 ​​abl​​​ 被加入前缀树,并且前缀 ​​abl​​ 接下来会使用第 5 行进行记录。

当搞清楚了「二维数组」是如何工作之后,我们就能开始估算会用到多少行了,调用次数为 ,传入的字符串长度为 ,假设每一次的调用都是 ,并且每一次调用都会使用到新的 行。那么我们的行数需要开到 。

但由于我们的字符集大小只有 26,因此不太可能在 次调用中都用到新的 行。

而且正常的测试数据应该是 和 调用次数大于 才有意义的,一个只有 调用的测试数据,任何实现方案都能 AC。

因此我设定了 为行数估算,当然直接开到 也没有问题。

关于 Trie 的应用面

首先,在纯算法领域,前缀树算是一种较为常用的数据结构。

不过如果在工程中,不考虑前缀匹配的话,基本上使用 hash 就能满足。

如果考虑前缀匹配的话,工程也不会使用 Trie 。

一方面是字符集大小不好确定(题目只考虑 26 个字母,字符集大小限制在较小的 26 内)因此可以使用 Trie,但是工程一般兼容各种字符集,一旦字符集大小很大的话,Trie 将会带来很大的空间浪费。

另外,对于个别的超长字符 Trie 会进一步变深。

这时候如果 Trie 是存储在硬盘中,Trie 结构过深带来的影响是多次随机 IO,随机 IO 是成本很高的操作。

同时 Trie 的特殊结构,也会为分布式存储将会带来困难。

因此在工程领域中 Trie 的应用面不广。

至于一些诸如「联想输入」、「模糊匹配」、「全文检索」的典型场景在工程主要是通过 ES 解决的。

而 ES 的实现则主要是依靠「倒排索引」 ~

最后

这是我们「刷穿 LeetCode」系列文章的第 ​​No.208​​ 篇,系列开始于 2021/01/01,截止于起始日 LeetCode 上共有 1916 道题目,部分是有锁题,我们将先将所有不带锁的题目刷完。

在这个系列文章里面,除了讲解解题思路以外,还会尽可能给出最为简洁的代码。如果涉及通解还会相应的代码模板。

为了方便各位同学能够电脑上进行调试和提交代码,我建立了相关的仓库:​​github.com/SharingSour…​​

在仓库地址里,你可以看到系列文章的题解链接、系列文章的相应代码、LeetCode 原题链接和其他优选题解。

举报

相关推荐

0 条评论