前缀树小试：字模式

原题地址:字模式

给定一个模式串pattern和一个字符串str，请问str和pattern是否遵循相同的模式。
这里遵循模式指的是一个完全匹配，即在pattern中的每个不同的字母和str中每个非空的单词之间有一个双向映射的模式对应。

您可以认为模式串pattern只包含小写字母，而str包含由单个空间分隔的小写单词组成。

因为要一一对应的关系，所以要双向映射，所以需要两个map: 一个从pattern的字符到对应的单词，一个从单词到字符。

这里我没有使用系统的map,而是实现了一个 前缀树 来练练手，对于一个前缀树，一个节点可以和一个单词做一一对应的映射，对应的单词就是从跟沿着路径到这个节点的那个单词。所以可以在这个节点里存入跟单词对应的数据，就可以实现从单词到这个数据的映射，所以这里存入字符，实现从单词到pattern的字符的映射。

从字符到单词的映射，有多个方案：

1. unordered_map，用char做key, word做value
2. 因为都是小写字母，所以可以用 string[26]来标记，string[c-'a']就可以得到字符c的word，比较
3. 因为前缀树里节点跟单词一一对应，所以可以直接存入节点，结合2的思路就是：TrieNode[26]. 相比2的好处是，比较单词相等不用string.compare了，直接比较两个节点是否相等就可以了。前缀树是节点不会删除，让这一点成为了可能。这样做复杂度直接从O(N*L)到了O(N)，L是字符串的平均长度。

using namespace std;

namespace TFDataStruct {
    template
    class Trie{
    public:
        struct TrieNode{
            char ch;
            //对应的字符串的个数
            uint32_t mark = 0;
            T relateData;  //做额外的数据处理
            TrieNode *parent = nullptr;
            unordered_map childern;
        };
        struct TrieNodeVisitor{
            typedef void (*VisitFunc)(TrieNode *node, string &word, int idx);
            VisitFunc visitF;
            TrieNodeVisitor(VisitFunc visitF):visitF(visitF){};
        };
    private:
    public:
        TrieNode root;
        
        Trie(){};
        Trie(vector &words){
            for (auto &w : words){
                insert(w, nullptr);
            }
        }
        
        /** 插入一个元素，同时最后的节点 */
        TrieNode *insert(string &word, TrieNodeVisitor visitor = nullptr){
            TrieNode *node = &root;
            int idx = 0;
            while (idxchildern[word[idx]];
                if (next == nullptr) {
                    next = new TrieNode();
                    next->ch = word[idx];
                    next->parent = node;
                }
                node = next;
                if (visitor.visitF) visitor.visitF(node, word, idx);
                
                idx++;
            }
            node->mark++;
            
            return node;
        }
        
        int count(string &word){
            TrieNode *node = &root;
            int idx = 0;
            while (idxchildern[word[idx]];
                if (next == nullptr) {
                    return 0;
                }
                node = next;
                idx++;
            }
            
            return node->mark;
        }
        
        bool exist(string &word){
            return count(word)>0;
        }
    };
}


class Solution {
public:
    /**
     * @param pattern: a string, denote pattern string
     * @param teststr: a string, denote matching string
     * @return: an boolean, denote whether the pattern string and the matching string match or not
     */
bool wordPattern(string &pattern, string &teststr) {
    teststr.push_back(' ');
    
    //1. 前缀树记录的是单词到字符的对应关系，每个节点唯一对应一个单词(即从跟到这个节点的路径拼起来的单词),所以用节点存储单词映射的字符；
    //2. markC2W[c]表示c这个字符映射的单词，又因为节点和单词的一一对应关系，所以把单词对应的节点存入
    TFDataStruct::Trie trieW2C;
    TFDataStruct::Trie::TrieNode* charNodes[256];
    memset(charNodes, 0, sizeof(charNodes));
    
    //3. 因为要一一对应的关系，1和2刚好是两个方向
    
    int start=-1, i = 0;
    int wordIdx = 0;
    for (auto &c : teststr){
        
        if (start<0) {
            if (c!=' ') {
                start = i;
            }
        }else{
            if (c==' ') {
                auto str = teststr.substr(start, i-start);
                auto node = trieW2C.insert(str);
                
                auto charNode = charNodes[pattern[wordIdx]];
                if (charNode == nullptr) {
                    if (node->relateData>0) {
                        return false;
                    }
                }else if (node != charNode) {
                    return false;
                }
                
                node->relateData = pattern[wordIdx];
                charNodes[pattern[wordIdx]] = node;
                
                start = -1;
                wordIdx++;
            }
        }
        
        i++;
    }
    
    return true;
}
};