算法（第4版） Chapter 5.2 单词查找树

摘要：谢路云单词查找树查找所需要的单词的时间和键的长度成正比查找未命中只需检查若干个单词单词查找树单词查找树基本性质每个链接对应一个字符每个结点可能有一个值有值，说明存在从根结点到这个结点的字符串。它的存在是为了简化查询。

Algorithms Fourth Edition
Written By Robert Sedgewick & Kevin Wayne
Translated By 谢路云
Chapter 5 Section 2 单词查找树

查找所需要的单词的时间和键的长度成正比

查找未命中只需检查若干个单词

每个链接对应一个字符

每个结点可能有一个值

有值，说明存在从根结点到这个结点的字符串。

没有值，说明不存在从根结点到这个结点的字符串。没有对应的键值。它的存在是为了简化查询。

查找

命中： 对应结点有值（注意不单单是指向该对应结点d链接存在，并且该结点一定要有值！）

未命中： 没有值 or 链接为空

结点的表示

每个结点下面有R个链接，一个链接对应一个字符

键隐式地保存在结点里

</>复制代码 
public class TrieST {
    private static int R = 256; // radix
    private Node root; // root of trie
    private static class Node {
        private Object val;
        private Node[] next = new Node[R];
    }
    public Value get(String key) {
        Node x = get(root, key, 0);
        if (x == null)
            return null;
        return (Value) x.val;
    }
    
    // Return value associated with key in the subtrie rooted at x.
    private Node get(Node x, String key, int d) { 
        if (x == null)
            return null;
        if (d == key.length())
            return x;
        char c = key.charAt(d); // Use dth key char to identify subtrie.
        return get(x.next[c], key, d + 1);
    }
    public void put(String key, Value val) {
        root = put(root, key, val, 0);
    }
    
    // Change value associated with key if in subtrie rooted at x.
    private Node put(Node x, String key, Value val, int d) { //神一般的递归思想
        if (x == null)
            x = new Node();
        if (d == key.length()) {
            x.val = val;
            return x;
        }
        char c = key.charAt(d); // Use dth key char to identify subtrie.
        x.next[c] = put(x.next[c], key, val, d + 1); //神来之笔
        return x;
    }
    public Iterable keys() {
        return keysWithPrefix("");
    }
    public Iterable keysWithPrefix(String pre) {
        Queue q = new Queue();
        collect(get(root, pre, 0), pre, q);
        return q;
    }
    private void collect(Node x, String pre, Queue q) {
        if (x == null)
            return;
        if (x.val != null)
            q.enqueue(pre);
        for (char c = 0; c < R; c++) //这个效率简直了。。。烂到爆炸
            collect(x.next[c], pre + c, q);
    }
}

方法keys：返回一个Queue，里面有所有的字符串

方法keysWithPrefix(String pre)：返回一个Queue，里面有所有以给定字符串pre开头的所有字符串

方法collect：递归用

结构差异

不含通配符的结构。keysWithPrefix(); get(); collect();

含通配符的结构。keysWithPrefix(); collect();

为什么结构和之前不一样呢？因为get方法要重写。直接把重写的get方法归并进collect方法里去了。

</>复制代码 
    public Iterable keysThatMatch(String pat) {
        Queue q = new Queue();
        collect(root, "", pat, q);
        return q;
    }
    public void collect(Node x, String pre, String pat, Queue q) {
        int d = pre.length(); 
        // begin修改于原get方法()和collect方法()
        if (x == null) // get&collect
            return;
        if (d == pat.length() && x.val != null) // 前collect，后get
            q.enqueue(pre);
        if (d == pat.length())// get
            return; 
        // end 修改于原get方法()和collect方法()
        
        char next = pat.charAt(d);
        for (char c = 0; c < R; c++)
            if (next == "." || next == c) //如果next=="." 就要遍历接在当前字符后面的所有字符！！！
                collect(x.next[c], pre + c, pat, q); //还是神一般的递归想法
    }

</>复制代码 
private Node get(Node x, String key, int d) { 
        if (x == null)
            return null;
        if (d == key.length())
            return x;
        char c = key.charAt(d); // Use dth key char to identify subtrie.
        return get(x.next[c], key, d + 1);
    }

</>复制代码 
    public String longestPrefixOf(String s) {
        int length = search(root, s, 0, 0);
        return s.substring(0, length);
    }
    //当前搜索的是第d位字符，返回的是具有最长length位前缀的子字符
    private int search(Node x, String s, int d, int length) {
        if (x == null) // 查到单词树的尽头了
            return length;
        if (x.val != null) // 如果存在这个单词，就更新length值
            length = d;
        if (d == s.length()) // 查到字符串的尽头了（一定要先做上一步）
            return length;
        char c = s.charAt(d);
        return search(x.next[c], s, d + 1, length); //递归搜索下一位
    }

依旧是神一般的递归思路

如果它的链接不为空

删去这个结点的值即可

如果它的所有链接都为空

删去这个结点

检查这个结点的父结点的所有链接是否为空

不为空，结束

为空，删去父结点并检查父结点的父结点是否为空
……循环如此

</>复制代码 
    public void delete(String key) {
        root = delete(root, key, 0);
    }
    private Node delete(Node x, String key, int d) {
        if (x == null)
            return null;
        if (d == key.length()) //找到了的话就将该结点的值删去
            x.val = null;
        else {
            char c = key.charAt(d);
            x.next[c] = delete(x.next[c], key, d + 1); //依旧是神一般的递归思路
        }
        if (x.val != null) //如果该结点有值，则不管当前结点链接是否为空，该结点都在树里，不能被删去。
            return x;
        for (char c = 0; c < R; c++) //否则就看该结点链接是否为空（即该结点没有值）
            if (x.next[c] != null) //如果当前结点链接不为空，则返回当前结点
                return x; 
        return null; //否则返回为空。（因为是返回上一层递归， 即把自己置为空，也即删除了自己）
    }

字母表大小为R，N个随机键组成的单词查找树中

时间：

查找和插入最差时间为：键的长度+1

查找未命中的平均时间为：log_RN （查找未命中的时间和键的长度无关）

空间

与 R和所有键的字符总数之积 成正比

链接

一棵单词查找树的链接总数为RN到RNw之间，w为键的平均长度

当所有键较短时，链接总数接近RN

当所有键较长时，链接总数接近RNw

缩小R能节省大量空间

避免空间消耗

每个结点含有一个字符，三个链接（小于，等于，大于），可能含有一个值

字符是显式保存在每个结点中

</>复制代码 
public class TST {
    private Node root; // root of trie
    private class Node {
        char c; // character
        Node left, mid, right; // left, middle, and right subtries
        Value val; // value associated with string
    }
    public Value get(String key) {
        Node x = get(root, key, 0);
        if (x == null)
            return null;
        return (Value) x.val;
    }
    private Node get(Node x, String key, int d) {
        if (x == null)
            return null;
        char c = key.charAt(d);
        if (c < x.c)
            return get(x.left, key, d);
        else if (c > x.c)
            return get(x.right, key, d);
        else if (d < key.length() - 1)
            return get(x.mid, key, d + 1);
        else
            return x;
    }
    public void put(String key, Value val) {
        root = put(root, key, val, 0);
    }
    private Node put(Node x, String key, Value val, int d) {
        char c = key.charAt(d);
        if (x == null) {
            x = new Node();
            x.c = c;
        }
        if (c < x.c)
            x.left = put(x.left, key, val, d);
        else if (c > x.c)
            x.right = put(x.right, key, val, d);
        else if (d < key.length() - 1)
            x.mid = put(x.mid, key, val, d + 1);
        else
            x.val = val;
        return x;
    }
}