Trie树算法

算法介绍

第一眼看到Trie树算法,首先明白的就是他一定是用树形结构实现的算法。后来实现完整个算法才知道其实他也是压缩树,类似于哈弗曼编码和CF-Tree,因为树中保留了公共的前缀,减少了不必要的重复存储空间。所以查询效率会高很多,如果你明白哈弗曼编码的实现过程,这个自然也是一样的道理。那Trie树与Huffman编码树有什么区别呢,Huffman是0或1的编码,而Trie则是文本查找树,节点上可以是一个字母字符,也可以是汉字等等,大体就是这个意思。好,下面说说算法的原理。

算法原理

1、首先获取所有的文本数据,划分成逐条逐条的形式。

2、读入每行数据,对照当前比较字符值与当前节点的子节点比较,寻找到与之匹配的节点

3、如果找到对应的子节点,将子节点作为当前节点,并移除数据的此字符,继续步骤2。

4、如果未找到对应子节点,新建节点插入当前的节点中,并将新节点作为当前节点,继续步骤2。

5、操作的终止条件为数据中的字符已经全部移除比较完毕。

算法实现

输入的字符数据Input.txt:

abc
bcd
bca
bcc
bbd
abca
树节点类TreeNode.java:

package Trie;

import java.util.ArrayList;

/**
 * 
 * 
 * 
 * @author lyq
 * 
 * 
 */
public class TreeNode {
	//节点的值
	String value;
	//节点孩子节点
	ArrayList childNodes;

	public TreeNode(String value) {
		this.value = value;
		this.childNodes = new ArrayList();
	}

	public ArrayList getChildNodes() {
		return childNodes;
	}

	public void setChildNodes(ArrayList childNodes) {
		this.childNodes = childNodes;
	}
}
算法工具类TrieTool.java:

package Trie;

import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;
import java.util.ArrayList;

/**
 * 
 * 
 * 
 * @author lyq
 * 
 * 
 */
public class TrieTool {
	// 测试数据文件地址
	private String filePath;
	// 原始数据
	private ArrayList datas;

	public TrieTool(String filePath) {
		this.filePath = filePath;
		readDataFile();
	}

	/**
	 * 
	 * 从文件中读取数据
	 */
	private void readDataFile() {
		File file = new File(filePath);
		ArrayList dataArray = new ArrayList();
		try {
			BufferedReader in = new BufferedReader(new FileReader(file));
			String str;
			String[] tempArray;
			while ((str = in.readLine()) != null) {
				tempArray = new String[str.length()];
				for (int i = 0; i < str.length(); i++) {
					tempArray[i] = str.charAt(i) + "";
				}
				dataArray.add(tempArray);
			}

			in.close();
		} catch (IOException e) {
			e.getStackTrace();
		}

		datas = dataArray;
	}

	/**
	 * 
	 * 构造Trie树
	 * 
	 * 
	 * 
	 * @return
	 */
	public TreeNode constructTrieTree() {
		TreeNode rootNode = new TreeNode(null);
		ArrayList tempStr;

		for (String[] array : datas) {
			tempStr = new ArrayList();

			for (String s : array) {
				tempStr.add(s);
			}

			// 逐个字符串的添加
			addStrToTree(rootNode, tempStr);
		}

		return rootNode;
	}

	/**
	 * 
	 * 添加字符串的内容到Trie树中
	 * 
	 * 
	 * 
	 * @param node
	 * 
	 * @param strArray
	 */
	private void addStrToTree(TreeNode node, ArrayList strArray) {
		boolean hasValue = false;
		TreeNode tempNode;
		TreeNode currentNode = null;

		// 子节点中遍历寻找与当前第一个字符对应的节点
		for (TreeNode childNode : node.childNodes) {
			if (childNode.value.equals(strArray.get(0))) {
				hasValue = true;
				currentNode = childNode;
				break;
			}

		}

		// 如果没有找到对应节点,则将此节点作为新的节点
		if (!hasValue) {
			// 遍历到了未曾存在的字符值的,则新键节点作为当前节点的子节点
			tempNode = new TreeNode(strArray.get(0));
			// node.childNodes.add(tempNode);
			insertNode(node.childNodes, tempNode);
			currentNode = tempNode;
		}
		strArray.remove(0);

		// 如果字符已经全部查找完毕,则跳出循环
		if (strArray.size() == 0) {
			return;
		} else {
			addStrToTree(currentNode, strArray);
		}
	}

	/**
	 * 
	 * 将新建的节点按照字母排序的顺序插入到孩子节点中
	 * 
	 * 
	 * 
	 * @param childNodes
	 * 
	 *            孩子节点
	 * 
	 * @param node
	 * 
	 *            新键的待插入的节点
	 */
	private void insertNode(ArrayList childNodes, TreeNode node) {
		String value = node.value;
		int insertIndex = 0;

		for (int i = 0; i < childNodes.size() - 1; i++) {
			if (childNodes.get(i).value.compareTo(value) <= 0
					&& childNodes.get(i + 1).value.compareTo(value) > 0) {
				insertIndex = i + 1;
				break;
			}
		}

		if (childNodes.size() == 0) {
			childNodes.add(node);
		} else if (childNodes.size() == 1) {
			// 只有1个的情况额外判断
			if (childNodes.get(0).value.compareTo(value) > 0) {
				childNodes.add(0, node);
			} else {
				childNodes.add(node);
			}
		} else {
			childNodes.add(insertIndex, node);
		}

	}

}
测试类Client.java:

package Trie;

/**
 * 
 * Trie树算法
 * 
 * @author lyq
 * 
 * 
 */
public class Client {
	public static void main(String[] args) {
		String filePath = "C:\\Users\\lyq\\Desktop\\icon\\input.txt";
		
		TrieTool tool = new TrieTool(filePath);
		tool.constructTrieTree();
	}
}
算法的最终构造的树的形状大致如下(由于时间关系,我就没有写在控制台输出的程序了):

root

|

a      b

|        |---|

b       b   c   

|         |     |----|-----|

c        d    a    c      d

|

a

算法的遗漏点和可以改进的地方

这里所说的遗漏点就是在插入节点的时候,需要按照字母的排序插入,这是为了使得查找更加的高效。算法在构建树的时候每次都从根节点开始往下找,效率不够高,其实更好的办法是把输入数据进行字典序的排序,然后再当前节点做处理,要么继续往下添加,要么回溯到上一个节点。

算法的特点

算法的特点在最开始介绍的时候也已经提到过,利用了字符串的公共前缀减少了查询时间,最大限度的减少无谓的字符串比较,常用于做文本的词频统计。

你可能感兴趣的:(算法)