Trie树

Trie树，即字典树，又称单词查找树或键树，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：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。

前缀树的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。

时间复杂度： $O(L)$, $L$是字符串的长度
空间复杂度：$O(n^2)$,最差情况下每个字符串都不相同。

leetcode208 实现前缀树

如何去实现一个前缀树？

• 每个结点包含的东西：该节点是否是最后一个、该节点的子节点有哪些。

  struct Node{
      Node():isEnd(false){
          child.resize(26);//小写字母最多有26个
      };
      ~Node(){
      	for(auto ch : child){
      		if(ch)delete ch;
      	}
      }
      //标记当前结点是否是字符串最后一位
      bool isEnd;
      //有哪些孩子节点
      vector<Node*> child;
  };

  这里为什么不用存储当前结点代表的字符呢？
  因为当查到到当前节点时，说明查找的这个一个字符已经存在。换句话说，该节点的字符存储在父节点中。

实现初始化、查找某一个字符串是否在该树中、查找某一个前缀是否在该树中、插入一个字符串。

class Trie {
public:
    Trie() {
        root = new Node;
    }
    ~Trie(){
    	delete root;
    }
    //插入字符串
    void insert(string word) {
        Node* p = root;
        for(auto c : word){
            if(!p->child[c - 'a'])
                p->child[c - 'a'] = new Node;
            p = p->child[c - 'a'];
        }
        p->isEnd = true;
    }
    //查找某一个字符串是否在该树中
    bool search(string word) {
        Node* p = root;
        for(auto c : word){
            if(!p->child[c - 'a'])return false;
            p = p->child[c - 'a'];
        }
        return p->isEnd;
    }
    //查找某一个前缀是否在该树中
    bool startsWith(string prefix) {
        Node* p = root;
        for(auto c : prefix){
            if(!p->child[c - 'a'])return false;
            p = p->child[c - 'a'];
        }
        return true;
    }
private:
    Node* root;
};

注意内存泄漏问题

• 在构造函数里构造新的结点，在析构函数中释放
• 孩子结点每一个都要释放

vector<Node*> child，也可以用哈希表替代，unordered_set<Node*> child