Java实现Tire

Trie，又称单词查找树或键树，是一种树形结构。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：最大限度地减少无谓的字符串比较，查询效率比哈希表高。

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。

下面这个图就是Trie的表示，每一条边表示一个字符，如果结束，就用星号表示。在这个Trie结构里，我们有下面字符串，比如do, dork, dorm等，但是Trie里没有ba, 也没有sen，因为在a, 和n结尾，没有结束符号（星号）。

有了这样一种数据结构，我们可以用它来保存一个字典，要查询改字典里是否有相应的词，是否非常的方便呢？我们也可以做智能提示，我们把用户已经搜索的词存在Trie里，每当用户输入一个词的时候，我们可以自动提示，比如当用户输入 ba, 我们会自动提示 bat 和 baii.

现在来讨论Trie的实现。

首先，我们定义一个Abstract Trie,Trie 里存放的是一个Node。这个类里有两个操作，一个是插入，另一个是查询。具体实现放在后面。

实现                                                                                            

Node类：

package com.yydcdut;

import java.util.LinkedList;

public class Node {
    char content; //装node中的内容
    boolean isEnd; //是否是单词的结尾
    int count;  //这个单词的这个字母下面分支的个数
    LinkedList<Node> childList; //子list
    /**
     * 构造函数
     * @param c 单词的字母
     */
    public Node(char c){  
        childList = new LinkedList<Node>();  
        isEnd = false;  
        content = c;  
        count = 0;  
    }   
    /**
     * 遍历一下这个node中LinkedList中是否有这个字母，有就意味着可以继续查找下去，没有就没有。
     * @param c 单词的字母
     * @return 如果有的话就返回下一个node，没有的话就返回null
     */
    public Node subNode(char c){  
        if(childList != null){  
            for(Node eachChild : childList){  
                if(eachChild.content == c){  
                    return eachChild;  
                }  
            }  
        }  
        return null;  
    }  
}

具体实现：

package com.yydcdut;

public class Main {
    
    private Node root; //根 
    /**
     * 构造函数，生成根   
     */
    public Main(){  
        root = new Node(' ');   
    }  
    /**
     * 插入函数，先判断是否有这个单词了（通过每个单词字母来判断），如果没有，挨着顺序判断是否有这个字母了，
     *如果有这个字幕，继续判断下一个，当没有这个字母的时候，对这个字母new一个node对象，放入到上一个字母的
     *LinkedList里面       
     * @param word 要插入的单词
     */
    public void insert(String word){  
        //如果找到就返回
        if(search(word) == true) return;  
          
        Node current = root;   
        for(int i = 0; i < word.length(); i++){  
            Node child = current.subNode(word.charAt(i));  
            if(child != null){   
                current = child;  
            } else {  
                 current.childList.add(new Node(word.charAt(i)));  
                 current = current.subNode(word.charAt(i));  
            }
            //单词下面分支数++
            current.count++;  
        }   
        //在单词最后字母那里结束了
        current.isEnd = true;  
    }  
    /**
     * 查找函数，判断是否已经有隔着单词了
     * @param word 要判断的单词
     * @return 有这个单词返回true，没有返回false
     */
    public boolean search(String word){  
        Node current = root;  
          
        for(int i = 0; i < word.length(); i++){      
            if(current.subNode(word.charAt(i)) == null)  
                return false;  
            else  
                current = current.subNode(word.charAt(i));  
        }  
        //判断这个单词的这个字母是否在字典里面结束了
        if (current.isEnd == true) return true;  
        else return false;  
    }  
    /**
     * 删除函数，先判断是否存在这个单词，不存在就跳出，存在就删除掉，每个单词的count都要减1  
     * @param word 要删除的单词
     */
    public void deleteWord(String word){  
        if(search(word) == false) return;  
      
        Node current = root;  
        for(char c : word.toCharArray()) {   
            Node child = current.subNode(c);  
            if(child.count == 1) {  
                current.childList.remove(child);  
                return;  
            } else {  
                child.count--;  
                current = child;  
            }  
        }  
        current.isEnd = false;  
    }  

    public static void main(String[] args) {
        Main trie = new Main();  
        trie.insert("ball");  
        trie.insert("balls");  
        trie.insert("sense");      
 
        System.out.println(trie.search("balls"));  
        System.out.println(trie.search("ba"));  
        
        trie.deleteWord("balls");  
        System.out.println(trie.search("balls"));  
        System.out.println(trie.search("ball"));  

    }

}

时间复杂度分析：

对于insert, 如果被插入的String长度是 k, 每对一个字符进行查询，我们最多在child linkedlist里面查询26次（最多26个字母），所以，复杂度为O(26*k) = O(k). 对于 search, 复杂度是一样的。

我是天王盖地虎的分割线                                                                 

源代码：http://pan.baidu.com/s/1dD1Qx01

trie.zip

参考：http://blog.csdn.net/beiyeqingteng