C++里创建 Trie字典树（中文词典）（二）（插入、查找、导入、导出）

　　萌新做词典第二篇，做得不好，还请指正，谢谢大佬！

　　做好了插入与遍历功能之后，我发现最基本的查找功能没有实现，同时还希望能够把内存的数据存入文件保存下来，并可以从文件中导入词典。此外，数据的路径是存在配置文件中的。甚至，还想尝试类似自动补全的功能。当然了，是做一个比较low的补全，比如传入“编程”，能够得到”软件“、”学习“、”学习网站“、”入门“四个字符串。但是传入“编”不会得到“程”，因为“编程”没有录入词典。于是对原有的类进行了修改，并添加了一些函数。

　　先放上运行结果吧：

test1
ID : 2    char : 件    word : 编程软件
ID : 3    char : 习    word : 编程学习
ID : 4    char : 站    word : 编程学习网站
ID : 1    char : 门    word : 编程入门

test2
ID : 1    char : 门    word : 编程入门
ID : 3    char : 习    word : 编程学习
ID : 4    char : 站    word : 编程学习网站
ID : 2    char : 件    word : 编程软件
find ID : 3    word : 编程学习

　　test1就是上一步里，把word的id打印了出来，并导出到文件中。

　　test2是从文件中导入，然后打出结果，并查找“编程学习”，如果存在就打出id。

　　首先，新增了一个配置文件类DictionaryConf，如下：

DictionaryConf.h

#ifndef __DICTIONARYCONF_H__
#define __DICTIONARYCONF_H__

#include <string>

namespace ccx{

using std::string;

class DictionaryConf
{
    public:
        DictionaryConf();
        string getDictionaryPath();
    private:
        void GetConf();
        string _DictionaryPath;
};

}

#endif

　　它的功能很简单，在构造的时候读取文件配置信息，对外只提供一个接口，就是获取一个字符串。它的实现如下：

DictionaryConf.cc

#include "DictionaryConf.h"
#include <json/json.h>
#include <stdlib.h>
#include <fstream>
#include <iostream>

namespace ccx{

using std::ifstream;
using std::cout;
using std::endl;

DictionaryConf::DictionaryConf()
{
    GetConf();
}

void DictionaryConf::GetConf()
{
    ifstream ifs;
    ifs.open("DictionaryConf.json");
    if(!ifs.good())
    {
        cout << "open DictionaryConf.json error" << endl;
        exit(EXIT_FAILURE); 
    }
    
    Json::Value root;
    Json::Reader reader;

    if(!reader.parse(ifs, root, false))
    {
        cout << "DictionaryConf json read error" << endl;
        exit(EXIT_FAILURE);
    }
    
    _DictionaryPath = root["DictionaryPath"].asString();
    
    ifs.close();
}

string DictionaryConf::getDictionaryPath()
{
    return _DictionaryPath;
}

}

　　配置文件是写成json格式的，方便读取：

DictionaryConf.json

{"DictionaryPath" : "Dictionary.json"}

　　然后是修改已有的Dictionary类，增加它的功能（总觉得是不是要变胖接口了0。0）

 Dictionary.h

#ifndef __DICTIONARY_H__
#define __DICTIONARY_H__

#include "DictionaryData.h"
#include "DictionaryConf.h"

#include <memory>
#include <vector>
#include <list>

namespace ccx{

using std::shared_ptr;
using std::vector;
using std::list;

class Dictionary
{
    typedef unordered_map<string, pDictElem>::iterator WordIt;
    public:
        Dictionary();
        void push(const string & word);
        void push(vector<string> & words);
        int search(const string & word);//查找，返回词的ID，如果没找到返回-1
    private:
        void AddWord(const string & word, int wordId);
        void splitWord(const string & word, vector<string> & characters);//把词拆成字
        pDictElem _dictionary;
        DictionaryConf _conf;    

//遍历用
    public:
        void next();
        string getCurChar();
        string getCurWord();
        int getCurWordId();
        void resetPoint();
        bool isEnd();
    private:
        void nextWord();
        pDictElem _pcur;
        WordIt _itcur;

//用list实现栈，遍历时方便
        list<WordIt> _stackWord;
        list<pDictElem> _stackDict;

//导入导出
    public:
        void leading_in();
        void leading_out();
};

}

#endif

　　这又是一个最终的类。比之前的多了一个查找的函数，一个Add函数，和导入导出的函数。

　　Add函数是原来的push改个名字，原因就是从我这里导出到文件的词是包含他的ID的，导入的时候的ID是固定的，所以改成在添加的时候要传入ID。对于提供的接口push，调用了Add函数。

　　改动过的Add和push如下：

void Dictionary::AddWord(const string & word, int wordId)
{
    vector<string> characters;
    splitWord(word, characters);
    
    vector<string>::iterator it_char;
    it_char = characters.begin();    
    pDictElem root;
    root = _dictionary;
    for(; it_char != characters.end(); ++it_char)
    {
        WordIt it_word;
        it_word = root->_words.find(*it_char);
        
        if(it_word == root->_words.end())
        {
            pair<string, pDictElem> temp;
            temp.first = *it_char;
            pDictElem dictemp(new DictElem);
            dictemp->_word = *it_char;
            dictemp->_wordId = 0;
            temp.second = dictemp;
            root->_words.insert(temp);
            root = dictemp;
        }else{
            root = it_word->second;
        }
    }
    if(!root->_wordId)
    {
        root->_wordId = wordId;
    }
}

　　总感觉29行的if可以去掉呢--！但是没有去试

void Dictionary::push(const string & word)
{
    ++(_dictionary->_wordId);
    AddWord(word, _dictionary->_wordId);
}


void Dictionary::push(vector<string> & words)
{
    int size = words.size();
    for(int i = 0; i < size; ++i)
    {
        push(words[i]);
    }
}

　　对root的wordID的自增放到了这里。这样，导和的时候就可以调用Add函数了。（好吧我就是懒得重新写一个插入的函数0。0）

　　接下来是查找的函数，比较简单，直接把Add拷过来改了一下：

int Dictionary::search(const string & word)
{
    vector<string> characters;
    splitWord(word, characters);
    
    vector<string>::iterator it_char;
    it_char = characters.begin();    
    pDictElem root;
    root = _dictionary;
    for(; it_char != characters.end(); ++it_char)
    {
        WordIt it_word;
        it_word = root->_words.find(*it_char);
        
        if(it_word == root->_words.end())
        {
            return -1;
        }else{
            root = it_word->second;
        }
    }
    return root->_wordId;
}

　　关于以上，有另外一个想法：不管是在插入还是查找，都是要先“查找”，看看有没有那个节点。对于查找操作，只要返回有或者没有就行了；而对于插入，如果没有就返回它的位置，从那里开始添加节点，这样似乎又可以复用一些代码了  0。0

　　最后就是导入和导出了。

　　关于这块，写之前一直在纠结，是要遍历所有词，把词完整地存下来。采用json的格式，对于“编程学习”与“编程训练”：

　　直接存进文件，后面带上ID的效果：

[
    { "word" : "编程学习" , "id" : 1},
    { "word" : "编程训练" , "id" : 2)
]

　　还是把树按节点存下来，

（后来发现其实这是一个序列化与反序列化的问题——2016.12.4  23:54 注）

[
    {"key" : "编" , "flag" : 1, "id" : 0 , "value" : 
　　　　{"key" : "程" , "flag" : 1 , "id" : 0 , "value" : 
　　　　　　{"key" : "学" , "flag" : 1 , "id" : 0, "value" : 
　　　　　　　　{"key" : "习" , "flag" : 0 , "id" : 1, "value" : "NULL"
　　　　　　　　}
　　　　　　},
　　　　　　{"key" : "训" , "flag" : 1 , "id" : 0, "value" : 
　　　　　　　　{"key" : "练" , "flag" : 0 , "id" : 2, "value" : "NULL"
　　　　　　　　}
　　　　　　}
　　　　}
　　}
]

　　大致是这样一层嵌套一层的结构。虽然这种结构可以用栈来实现，即把Json::Value型数据入栈，但是后来想想这样虽然一次只存一个结点，好像很节约空间，但是每个节点还要存一些额外的信息，逻辑似乎比较复杂，于是决定用第一种方法来实现，比较简单粗爆。

　　代码如下：

void Dictionary::leading_out()
{
    Json::Value root;
    Json::FastWriter writer;

    resetPoint();
    
    while(!isEnd())
    {
        Json::Value elem;
        elem["Word"] = getCurWord();
        elem["WordId"] = getCurWordId();
        root.append(elem);
        next();
    }

    string words;
    words = writer.write(root);
    
    ofstream ofs;
    const char * path = _conf.getDictionaryPath().c_str();
    ofs.open(path);
    if(!ofs.good())
    {
        cout << "open Dictionary.json error(leading_out)" << endl;
        ofs.open("Dictionary.tmp");
        if(!ofs.good())
        {
            exit(EXIT_FAILURE);
        }
    }
    
    ofs << words;
    ofs.close();
}

　　存入文件的效果如下：

[{"Word":"编程软件","WordId":2},{"Word":"编程学习","WordId":3},{"Word":"编程学习网站","WordId":4},{"Word":"编程入门","WordId":1}]  

　　只有一行（不要在意id顺序）。

　　之前想过一种方法能够让它以多行的形式存到文件中，做了如下处理：

    .
    .
    .
ofs << "[" << endl;
int size = root.size();
for(int i = 0; i < size; ++i)
{
    string json_file = writer.write(root[i]);
    int len = json_file.size();
    json_file[len - 1] = ' ';
    ofs << "	" << json_file;
    if(i != size -1)
    {
        ofs << "," << endl;
    }
    }
ofs << endl << "]" << endl;
ofs.close();
    .
    .
    .

　　一项一项地取出，把最后的' '替换成空格，然后自己控制输出格式。

　　导入格式要与导出格式对应，也使用json，如下：

void Dictionary::leading_in()
{
    ifstream ifs;
    const char * path = _conf.getDictionaryPath().c_str();
    ifs.open(path);
    if(!ifs.good())
    {
        cout << "open Dictionary.json error(leading_in)" << endl;
    }else{
        Json::Value root;
        Json::Reader reader;
        
        if(!reader.parse(ifs, root, false))
        {
            cout << "json read Dictionary.json error" << endl;
        }else{
            int size = root.size();
            for(int i = 0; i < size; ++i)
            {
                string word = root[i]["Word"].asString();
                int wordId = root[i]["WordId"].asInt();
                AddWord(word, wordId);
                ++(_dictionary->_wordId);
            }
        }
    }
}

　　这里要说明一下，导出和导入打开文件如果失败了没有exit的原因：

　　对于导出，如果打开一个文件失败了直接exit，那内存中的东西就全部丢失了，于是就采用在当路径下创建一个临时文件来存要存的内容。

　　对于导入，打开文件失败只是说明路径有问题或者文件本身有问题，修改一下就可以了，或者只是没有导入词典而已，程序中如果已经添加了一些词，此时退出也会使内容丢失。

　　当然，目前的机制还是有问题的，比如词ID的设置，如果在内存中已有词的情况下导入新词，可能会使ID错乱。对于导出，或许可以设置一个机制：任何位置要退出的时候都把内容存入临时文件中，可能会更好。

　　做到这里，突然又想实现词的补全功能：传入“编程”，能传出“学习”、“学习网站”等的集合，这个做好了再补上吧！