Trie树(转)

在读这文章 10 小时到 10 分钟，一步步优化巨量关键词的匹配 时候发现的Trie，顺便学习了一下Trie树(前缀树)

---

定义
字典树，又称前缀树或 trie 树，是一种有序树，用于保存关联数组，其中的键通常是字符串。与二叉查找树不同，键不是直接保存在节点中，而是由节点在树中的位置决定。一个节点的所有子孙都有相同的前缀，也就是这个节点对应的字符串，而根节点对应空字符串。

---

设计
那么 trie 树怎么实现关键字的匹配呢? 这里以一幅图来讲解 trie 树匹配的过程。

构造trie树

1. 将关键词用上面介绍的preg_split()函数拆分为单个字符。如科学家就拆分为科、学、家 三个字符。
2. 在最后一个字符后添加一个特殊字符 `，此字符作为一个关键词的结尾（图中的粉红三角），以此字符来标识查到了一个关键词（不然，我们不知道匹配到科、学两个字符时算不算匹配成功）。
3. 检查根部是否有第一个字符(科)节点，如果有了此节点，到步骤4。 如果还没有，在根部添加值为科的节点。依次检查并添加学、家 两个节点。
4. 在结尾添加`节点，并继续下一个关键词的插入。

匹配
然后我们以 ·这位科学家很了不起！·为例来发起匹配。

1. 首先我们将句子拆分为单个字符 这、位、...；
2. 从根查询第一个字符·这·，并没有以这个字符开头的关键词，将字符“指针”向后移，直到找到根下有的字符节点科;
3. 接着在节点·科·下寻找值为 ·学·节点，找到时，结果子树的深度已经到了2，关键词的最短长度是2，此时需要在·学·结点下查找是否有`，找到意味着匹配成功，返回关键词，并将字符“指针”后移，如果找不到则继续在此结点下寻找下一个字符。
4. 如此遍历，直到最后，返回所有匹配结果。

代码
完整代码已经放到了GitHub上：Trie-GitHub-zhenbianshu，这里放上核心。

首先是数据结构树结点的设计，当然它也是重中之重：

 $node = array(
    'depth' => $depth, // 深度，用以判断已命中的字数
    'next' => array(
        $val => $node, // 这里借用php数组的哈希底层实现，加速子结点的查找
        ...
    ),
);

然后是树构建时子结点的插入：

// 这里要往节点内插入子节点，所以将它以引用方式传入
private function insert(&$node, $words) {
         if (empty($words)) {
            return;
        }
        $word = array_shift($words);
        // 如果子结点已存在，向子结点内继续插入
        if (isset($node['next'][$word])) {
            $this->insert($node['next'][$word], $words);
        } else {
            // 子结点不存在时，构造子结点插入结果
            $tmp_node = array(
                'depth' => $node['depth'] + 1,
                'next' => array(),
            );
            $node['next'][$word] = $tmp_node;
            $this->insert($node['next'][$word], $words);
        }
    }

最后是查询时的操作：

// 这里也可以使用一个全局变量来存储已匹配到的字符，以替换$matched
private function query($node, $words, &$matched) {
        $word = array_shift($words);
        if (isset($node['next'][$word])) {
            // 如果存在对应子结点，将它放到结果集里
            array_push($matched, $word);
            // 深度到达最短关键词时，即可判断是否到词尾了
            if ($node['next'] > 1 && isset($node['next'][$word]['next']['`'])) {
                return true;
            }
            return $this->query($node['next'][$word], $words, $matched);
        } else {
            $matched = array();
            return false;
        }
    }

备注:
由于本地测试文件是从MySQL导出到txt文件里，构造树时候导致fgets每次读取一行，内容里包含了\r\n，构造的树里不包含` 这个key，所以一直查询不到，只要在关键词append($keyword)之前处理一下即可，代码是

$keyword = trim($keyword, "\r\n");

From: http://www.cnblogs.com/zhenbianshu/p/7197349.html