1.概念
字典树，也称为单词查找树，Trie树，本质上就是一个26叉树。应用于单词的统计，存储。
如下图所示：
2.性质
- 从根结点出发，到每一个叶子结点的路径，即表示一个单词。
- 每个单词拥有共同的祖先，即有公共前缀。
- 每个结点可以存储额外信息，例如：
- value:该点代表的单词(也可从底向上递归)
- count:该单词的数量
3.结点定义
可根据实际场景，定义需要存储的信息。
代码语言：javascript复制struct Trie {
int count;
string value;
Trie *child[26];
};
4.插入
从根开始，向下查找路径。
- 如果路径中某结点不存在，则表示没有该单词，然后新建一个结点，继续向下查找。
- 到达叶子结点时，数量加1。
如插入单词am，bp
代码实现-插入
代码语言：javascript复制void insert(Trie *root, int step, const string &word) {
// 找到插入位置
if (step == word.size()) {
root->count ;
return;
}
if (!root->child[word[step]-'a']) {
root->child[word[step]-'a'] = new Trie();
}
insert(root->child[word[step]-'a'], step 1, word);
}
5.查找
同插入过程，从根开始向下查找路径。
- 没有路径时表示单词不存在。
- 到达叶子结点时，如果数量大于0则表示存在，否则不存在。
如查找单词ca，ck
代码实现-查找
代码语言：javascript复制bool find(Trie *root, int step, const string &word) {
if (step == word.size() && root->count > 0) {
return true;
}
if (root->child[word[step] - 'a']) {
return find(root->child[word[step] - 'a'], step 1, word);
} else {
return false;
}
}
