1. 字典树

算法描述:trie树的本质,就是利用字符串之间的公共前缀,将重复的前缀合并在一起。 时间复杂度:构建O(n),查询O(k)

1.1.1. 算法步骤

  • 根节点/ 什么都不表示
  • 做一个字典比如a-z 字母表
  • 没一个节点包含这26个字母的字典表,每个位置保存下个节点的指针。

1.1.2. 算法分析

缺点:

  • trie树比较消耗内存:因为他没一层都保存一个字典表,就算这层的节点只有一个也要有一组表
  • 使用的是指针类型,内存不连续对存储不友好,性能打折扣 优点:
  • 查询效率比较高,对于一些范围较小的或者内存不敏感的应用可以使用
  • 特别适用自动补全类应用
package main

import "fmt"

type TrieNode struct {
    value      int
    dictionary [26]*TrieNode
}

type TrieTree struct {
    root *TrieNode
}

func main() {
    tree := createTree()
    //fmt.Println(tree)
    flag := tree.findWord("her")
    fmt.Println(flag)
    flag = tree.findWord("x")
    fmt.Println(flag)
}

func createTree() TrieTree {
    arrList := []string{"how", "hi", "her", "hello", "so", "see"}
    myTree := TrieTree{}
    //添加跟节点
    myTree.root = &TrieNode{}
    for _, value := range arrList {
        myTree.addWord(value)
    }
    return myTree
}
func (t *TrieTree) addWord(word string) {
    fmt.Println(word)
    nowNode := t.root
    a := int('a')
    var char int
    for i := 0; i < len(word); i++ {
        char = int(word[i])
        if nowNode.dictionary[char-a] != nil {
            nowNode = nowNode.dictionary[char-a]
            continue
        } else {
            newNode := &TrieNode{}
            nowNode.dictionary[char-a] = newNode
            nowNode = newNode
            continue
        }
    }
}

func (t *TrieTree) findWord(word string) int {
    nowNode := t.root
    a := int('a')
    var char int
    for i := 0; i < len(word); i++ {
        char = int(word[i])
        if nowNode.dictionary[char-a] != nil {
            return 0
        } else {
            nowNode = nowNode.dictionary[char-a]
        }
        if i == len(word)-1 {
            return 1
        }
    }
    return 0
}

results matching ""

    No results matching ""