直观理解：Trie树（字典树/前缀树/单词查找树）

大家好，欢迎来到IT知识分享网。

Trie树又称字典树、前缀树、单词查找树，是一种哈希树的变种的树形结构。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。（以上内容参考百度百科）前缀树包含以下几个属性：
  1.根节点不包含任何字符内容，除根节点之外的其他节点只能包含一个字符；
  2.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；
  3.每个节点的所有子节点包含的字符都不相同。
  4.除根节点外，每个节点都包含一个是否是单词或字符串结尾的标识。
  假设我们存在一个如下的Trie树，根据以上性质可知，该Trie树中存在的单词有：”app”、”apple”、”active”、”actor”、”bi”、”cat”、”cute”。

  根据Trie树的属性，我们给出简单的Trie树创建·和查找的代码示例：

package com.quan.trie; public class Trie { // root for current trie TreeNode root; // define the TreeNode class TreeNode{ // children of current node. TreeNode[] children; // whether is end of a word. boolean isEnd; //Assume that there are only lowercase letters in the word public TreeNode (){ children = new TreeNode[26]; } } / Initialize your data structure here. */ public Trie() { // Initialize the root without value. root = new TreeNode(); } / Inserts a word into the trie. */ public void insert(String word) { if (word == null || word.length() < 1) return; TreeNode node = root; for (int i = 0, pos = 0; i < word.length(); i++, node = node.children[pos]) { pos = word.charAt(i) - 'a'; if (node.children[pos] == null){ node.children[pos] = new TreeNode(); } } node.isEnd = true; } / Returns if the word is in the trie. */ public boolean search(String word) { if (word == null || word.length() < 1) return false; TreeNode node = root; for (int i = 0, pos = 0; i < word.length(); i++, node = node.children[pos]) { pos = word.charAt(i) - 'a'; if (node.children[pos] == null){ return false; } } return node.isEnd; } / Returns if there is any word in the trie that starts with the given prefix. */ public boolean startsWith(String prefix) { if (prefix == null || prefix.length() < 1) return true; TreeNode node = root; for (int i = 0, pos = 0; i < prefix.length(); i++, node = node.children[pos]) { pos = prefix.charAt(i) - 'a'; if (node.children[pos] == null){ return false; } } return true; } }

  Trie树可以最大限度地减少无谓的字符串比较，在Trie树中对单个长度为的单词的查找时间复杂度可以做到，且跟语料库中单词的数量没有太大关系。Trie树的使用场景主要有字符串检索、字符串字典排序、和前缀索引等。