Trie树的实现, 高效字符串查找

Trie树

Trie树的作用

  Trie树的作用是为了完成搜索引擎智能补全的功能, 其本质是利用字符串的公共前缀

  使用正常的方式每一次我们都需要在大量字符串中进行匹配, 如果建立了这样的一个树我们只需要按照树顺序走下来即可

树节点

  假设我们真的在实现一个搜索引擎的只能补全功能, 那么在这个Trie树上的可能是字母也可能是汉字, 并且这是一个多叉树, 其子节点的数量也并不固定; 我们可以用HASH的方式进行快速的索引, 如果仅仅是字母的话, 我们可以以[0-51]对应[a-Z]; 如果是汉字的话那我们则真的使用HASH函数建立一个HASH表来进行索引(这里我们仅考虑字母的情况).

class TrieNode
{
public:
private:
    char data;
    TrieNode children[52];
};

代码及测试

/*
* Trie是常用进行搜索引擎提示这一类功能的数据结构
*/
#include 
#include 
#include 
#include 

class Trie
{
public:
    Trie();
    void insert(const char *text);
    bool find(const char *text);

    class TrieNode
    {
    public:
        TrieNode(char chr);
        ~TrieNode();
        bool isEndChar;             //是否是结束字符
        char data;
        TrieNode *children[52];     //包括大写字母和小写字母
    };
private:
    TrieNode root;
};

Trie::Trie():root('/')
{

};

bool Trie::find(const char *text)
{
    if(!text || !strlen(text)) return false;

    TrieNode *p = &root;
    for(int i = 0; i < strlen(text); i++)
    {
        int index = (text[i] >= 97) ? (text[i] - 'a') : (text[i] - 'A');
        if(nullptr == p->children[index])
        {
            return false;
        }
        else
        {
            p = p->children[index];
        }
    }

    if(p->isEndChar)
    {
        return true;
    }
    else
    {
        return false;
    }
}

//插入一个字符串
void Trie::insert(const char *text)
{
    if(!text || !strlen(text)) return;

    TrieNode *p = &root;
    for(int i = 0; i < strlen(text); i++)
    {
        int index = (text[i] >= 97) ? (text[i] - 'a') : (text[i] - 'A');
        if(nullptr == p->children[index])
        {
            
            p->children[index] = new TrieNode(text[i]);
            p = p->children[index];
        }
        else
        {
            p = p->children[index];
        }
    }
    p->isEndChar = true;
}

Trie::TrieNode::TrieNode(char chr)
{
    data = chr;
    for(int i = 0; i < 52; i++)
    {
        children[i] = nullptr;
    }
}

Trie::TrieNode::~TrieNode()
{
    for(int i = 0; i < 52; i++)
    {
        if(children[i] != nullptr)
            delete children[i];
    }
}

int main()
{
    std::vector dict;
    char buffer[128] = { 0 };
    FILE *fp = fopen("./newfile.txt","r");
    if(!fp)
    {
        printf("fpooen error\n");
    }
    Trie *tree = new Trie();
    int count = 0;
    while(EOF != fscanf(fp, "%s", buffer))
    {
        tree->insert(buffer);
        dict.push_back(buffer);
    }
    fclose(fp);

    const char *test1 = "pocketbook";
    printf("%d\n",dict.size());
    DWORD start = GetTickCount();
    for(int j = 0; j < 100000; j++)
    {
        for(int i = 0; i < dict.size(); i++)
        {
            if(0 == strcmp(test1, dict[i].c_str()))
            {
                //printf("%s\n", "string match find succ!");
                break;
            }
        }
    }

    printf("string find time: %ld\n", GetTickCount() - start);

    start = GetTickCount();
    for(int j = 0; j < 10000000; j++)
    {
        if(tree->find(test1))
        {
            //printf("%s\n", "Trie find succ!");
        }
    }

    printf("Trie find time: %ld\n", GetTickCount() - start);

    delete tree;
   return 0;
}

测试结果:

45091
string find time: 26579
Trie find time: 1390

分析

• 1 结果差距比较大
• 2 如果以正常的字符串匹配, 其效率最大为O(N*M); 对于Trie树而言, 则是O(M)级别.
• 3 当然实际工作中, 我们往往匹配几个字符串, 那么我们往往不需要考虑什么算法; Trie树更多的可以提供自动补全的功能.