数据结构弧头弧尾怎么判断（力扣208实现）
数据结构弧头弧尾怎么判断（力扣208实现）既然是树，肯定也是有根节点的。至于其节点结构，需要有以下特点：原因有3：原题url：https://leetcode-cn.com/problems/implement-trie-prefix-tree/我们用前缀树这种数据结构，主要是用在在字符串数据集中搜索单词的场景，但针对这种场景，我们也可以使用平衡树和哈希表，而且哈希表可以在O(1)时间内寻找到键值。那为什么还要前缀树呢？
这道题主要是构造前缀树节点的数据结构，帮助解答问题。
原题
实现一个 Trie (前缀树)，包含 insert search 和 startsWith 这三个操作。
示例:
Trie trie = new Trie();
trie.insert("apple");
trie.search("apple"); // 返回 true
trie.search("app"); // 返回 false
trie.startsWith("app"); // 返回 true
trie.insert("app");
trie.search("app"); // 返回 true
说明:
- 你可以假设所有的输入都是由小写字母 a-z 构成的。
- 保证所有输入均为非空字符串。
原题url：https://leetcode-cn.com/problems/implement-trie-prefix-tree/
解题
前缀树的意义
我们用前缀树这种数据结构，主要是用在在字符串数据集中搜索单词的场景，但针对这种场景，我们也可以使用平衡树和哈希表，而且哈希表可以在O(1)时间内寻找到键值。那为什么还要前缀树呢？
原因有3：
- 前缀树可以找到具有同意前缀的全部键值。
- 前缀树可以按词典枚举字符串的数据集。
- 前缀树在存储多个具有相同前缀的键时可以使用较少的空间，只需要O(m)的时间复杂度，其中 m 为键长。在平衡树中查找键值却需要O(m log n)，其中 n 是插入的键的数量；而哈希表随着大小的增加，会出现大量的冲突，时间复杂度可能增加到O(n)。
构造前缀树的节点结构
既然是树，肯定也是有根节点的。至于其节点结构，需要有以下特点：
- 最多 R 个指向子结点的链接，其中每个链接对应字母表数据集中的一个字母。本题中假定 R 为 26，小写拉丁字母的数量。
- 布尔字段，以指定节点是对应键的结尾还是只是键前缀。
接下来让我们看看节点结构的代码：
class TrieNode {
Trienode[] nodes;
boolean isEnd;
public TrieNode() {
// 26个小写英文字母
nodes = new TrieNode[26];
// 当前是否已经结束
isEnd = false;
}
/**
* 当前节点是否包含字符 ch
*/
public boolean contains(char ch) {
return nodes[ch - 'a'] != null;
}
/**
* 设置新的下一个节点
*/
public TrieNode setNode(char ch TrieNode node) {
// 判断当前新的节点是否已经存在
TrieNode tempNode = nodes[ch - 'a'];
// 如果存在，就直接返回已经存在的节点
if (tempNode != null) {
return tempNode;
}
// 否则就设置为新的节点，并返回
nodes[ch - 'a'] = node;
return node;
}
/**
* 获取 ch 字符
*/
public TrieNode getNode(char ch) {
return nodes[ch - 'a'];
}
/**
* 设置当前节点为结束
*/
public void setIsEnd() {
isEnd = true;
}
/**
* 当前节点是否已经结束
*/
public boolean isEnd() {
return isEnd;
}
}
接下来就是真正的前缀树的结构：
class Trie {
/**
* 根节点
*/
TrieNode root;
/** Initialize your data structure here. */
public Trie() {
root = new TrieNode();
}
/** Inserts a word into the trie. */
public void insert(String word) {
TrieNode before = root;
TrieNode node;
// 遍历插入单词中的每一个字母
for (int i = 0; i < word.length(); i ) {
node = new TrieNode();
node = before.setNode(word.charAt(i) node);
before = node;
}
// 设置当前为终点
before.setIsEnd();
}
/** Returns if the word is in the trie. */
public boolean search(String word) {
TrieNode before = root;
TrieNode temp;
// 遍历查找
for (int i = 0; i < word.length(); i ) {
temp = before.getNode(word.charAt(i));
if (temp == null) {
return false;
}
before = temp;
}
// 且最后一个节点也是终点
return before.isEnd();
}
/** Returns if there is any word in the trie that starts with the given prefix. */
public boolean startsWith(String prefix) {
TrieNode before = root;
TrieNode temp;
// 遍历查找
for (int i = 0; i < prefix.length(); i ) {
temp = before.getNode(prefix.charAt(i));
if (temp == null) {
return false;
}
before = temp;
}
return true;
}
}
提交OK，执行用时：43 ms，内存消耗：55.3 MB，虽然只战胜了87.40%的提交，但试了一下最快的那个代码，和我这个方法在时间上基本没什么差别，应该是当初提交的时候测试用例没有那么多吧。
总结
以上就是这道题目我的解答过程了，不知道大家是否理解了。这道题目可能需要专门去理解一下前缀树的用途，这样可以有助于构造前缀树的结构。
有兴趣的话可以访问我的博客或者关注我的公众号、头条号，说不定会有意外的惊喜。
https://death00.github.io/
公众号：健程之道
