特性
Trie树属于树形结构，又称字典树、前缀树。查询效率比红黑树和哈希表都要快。假设有这么一种应用场景：有若干个英文单词，需要快速查找某个单词是否存在于字典中。使 用Trie时先从根节点开始查找，直至匹配到给出字符串的最后一个节点。在建立字典树结构时，预先把带有相同前缀的单词合并在同一节点，直至两个单词的某 一个字母不同，则再从发生差异的节点中分叉一个子节点。适合这种以公共前缀进行查询的场合
节点结构：
每个节点对应一个最大可储存字符数组。假设字典只存26个小写英文字母，那么每个节点下应该有一个长度为26的数组。换言说，可存的元素类型越多，单个节
点占用内存越大。如果用字典树储存汉字，那么每个节点必须为数千个常用汉字开辟一个数组作为储存空间，占用的内存实在不是一个数量级。不过Trie树就是
一种用空间换时间的数据结构，鱼和熊掌往往不可兼得。
建树细节：
- 取要插入字符串的首个字符，从根节点的孩子节点开始，匹配当前字符是否已有节点，有则把指针指向该节点。无则为该字符创建节点，并把指针指向该新建节点。
- 迭代。
- 遇到要插入字符串末尾结束符时停止迭代，并把最后一个非’ ’字符对应的节点设为末端节点。
查找细节：
循环取要插入字符串的首个字符，从根节点的孩子节点开始，匹配当前字符是否已有节点，有则继续循环，无则返回False. 直至匹配到最后一个字符则完成查找。
树结构图：
我们用apps, apply, apple, append, back, basic, backen几英文单词创建树形结构：
