[搜索]Trie树的一种实现

trie树也叫字典树,搜索树等。

如图所示

下面是用stl 的map来实现

class trie_item_c
{
public:
	trie_item_c(){}
	trie_item_c(const char nm)
	{
		name = nm;
	}

	void set_name(const char nm)
	{
		name = nm;
	}

	trie_item_c * get_child(const char nm)
	{
		map<const char ,trie_item_c*>::const_iterator it = children.find(nm);
		if(it != children.end())
			return it->second;
		else
		{
			trie_item_c *cld = new trie_item_c(nm);
			children.insert(pair <const char ,trie_item_c*>(nm,cld));
			return cld;
		}
	}
	bool find(const char* dic)
	{
		if(!dic || *dic == '\0')
		{
			if(children.end() != children.find('\0'))
				return true;
			return false;
		}
		const char* temp = dic;
		map<const char ,trie_item_c*>::const_iterator it = children.find(*temp);
		if(it == children.end())
			return false;
		return it->second->find(++temp);
	}
	void print()
	{
		printf("%c",name);
		map<const char ,trie_item_c*>::const_iterator it = children.begin();
		for(;it != children.end();it++)
		{
			it->second->print();
		}
		printf("\n");
	}
	virtual ~trie_item_c()
	{
		map<const char ,trie_item_c*>::const_iterator it = children.begin();
		while(it != children.end())
		{
			delete it->second;
			children.erase(it);
			it = children.begin();
		}
	}
private:
	map<const char ,trie_item_c*> children;
	char name;

};

下面代码是构建树的过程

for(const char* dic = lst.first_string();dic;dic = lst.next_string())
	{

		trie_item_c *temp = root;
		for(int i=0;i<str_temp.str_len();i++)
		{
			char c = str_temp.get(i);
			trie_item_c *item = temp->get_child(c);
			temp = item;
		}
		//add one null child
		temp->get_child('\0');
	}

判断一个单词是否在root中,只需要调用root->find("book");即可。



时间: 2024-11-01 09:57:09

[搜索]Trie树的一种实现的相关文章

[搜索]Trie树的实现

trie这种树也被称为线索,搜索树. 正如图 以下是用stl 的map来实现 class trie_item_c { public: trie_item_c(){} trie_item_c(const char nm) { name = nm; } void set_name(const char nm) { name = nm; } trie_item_c * get_child(const char nm) { map<const char ,trie_item_c*>::const_it

Trie树/字典树

Trie树结构 Trie树是一种树形数据结构,又称为单词查找树.字典树,是一种用于快速检索的多叉树结构.典型应用是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.     它的主要设计思想是空间换时间,利用字符串的公共前缀来降低查询时间的开销.它的优点是可以最大限度的减少无谓的字符串比较,查询效率比哈希表高:缺点是内存消耗非常大. Trie树基本特性 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

[POJ 1204]Word Puzzles(Trie树暴搜&amp;amp;AC自己主动机)

Description Word puzzles are usually simple and very entertaining for all ages. They are so entertaining that Pizza-Hut company started using table covers with word puzzles printed on them, possibly with the intent to minimise their client's percepti

【数据结构】Trie树

1.Trie树简介 Trie树,又称字典树.前缀树,被用于信息检索(information retrieval)的数据结构.Trie一词便来自于单词retrieval.基本思想:用字符串的公共前缀降低查询时间.比如,在最优的查询二叉树中查询关键字的时间复杂度为M * log N,M是字符串最大长度,N为字符串数量:而用Trie树时,只需O(M)时间. [1] 中给出一个简单Trie树例子,蓝色表示一个单词结尾:该Trie树存储的单词为the, their, there, a, any, answ

[POJ 1204]Word Puzzles(Trie树暴搜)

Description Word puzzles are usually simple and very entertaining for all ages. They are so entertaining that Pizza-Hut company started using table covers with word puzzles printed on them, possibly with the intent to minimise their client's percepti

数据结构之Trie树

1. 概述 Trie树,又称字典树,单词查找树或者前缀树,是一种用于快速检索的多叉树结构,如英文字母的字典树是一个26叉树,数字的字典树是一个10叉树. Trie一词来自retrieve,发音为/tri:/ "tree",也有人读为/tra?/ "try". Trie树可以利用字符串的公共前缀来节约存储空间.如下图所示,该trie树用10个节点保存了6个字符串tea,ten,to,in,inn,int: 在该trie树中,字符串in,inn和int的公共前缀是&qu

Trie树详解

1. 概述 Trie树,又称字典树,单词查找树或者前缀树,是一种用于快速检索的多叉树结构,如英文字母的字典树是一个26叉树,数字的字典树是一个10叉树.Trie一词来自retrieve,发音为/tri:/ “tree”,也有人读为/tra?/ “try”.Trie树可以利用字符串的公共前缀来节约存储空间.如下图所示,该trie树用10个节点保存了6个字符串tea,ten,to,in,inn,int: 在该trie树中,字符串in,inn和int的公共前缀是“in”,因此可以只存储一份“in”以节

基本数据结构①——trie树

RT trie树是一种用于实现字符串的快速检索的树结构:大该是每个节点都有若干个指向字符的指针:如图: 好像看不清,不过没多大事: 然后trie树支持两个操作:插入,查找: 先放代码 struct data p=trie[p].son[ch]; } trie[p].have=true; } int f(char *s) { int len=strlen(s),p=0; for(int k=0;k<len;++k) { int ch=s[k]-'a'; if(!trie[p].son[ch]) r

bloom filter与dawgdic(一种trie树)

我有一个做了一款移动浏览器的朋友. 他有这样一个需求:当用户输入一个网站的url时候,移动浏览器需要识别这个网址是否是一个恶意网址.另外,他有一个恶意网址库. 也许这样的解决方法有多种. 其中一种就是把恶意网址库放在本地,移动浏览器拿到一个网址的时候就把它与网址库中的每个地址匹配一下,根据匹配与否来判断网址的是否为一个恶意地址. 哦,我忘了补充的情况就是这个网址库中有150万条数据,压缩后23M,如果一个浏览器为了识别恶意网址这么一个功能而附加这么大的库,你会没有用户的. 我刚开始给出的解决方法