使用python代码实现三叉搜索树高效率”自动输入提示”功能
http://simple-is-better.com/news/749
使用python代码实现三叉搜索树高效率”自动输入提示”功能
最近项目中需要通过全拼音和简写拼音实现输入自动提示结果功能，查了一些资料发现三叉搜索树无论是在时间还是空间上都比较优秀。
三叉搜索树是trie树的演化版，除去了指针，这样在空间上节省不少，每个节点基本分为三个方向：左、中、右，当字符小于当前节点则存放左边，大于则存放右边，等于则存放中间。
具体实现原理可参考：http://igoro.com/archive/efficient-auto-complete-with-a-ternary-search-tree/
假如我们存入”AB”,”ABBA”.”ABCD”.”BCD”,这几个单词，那么三叉树就会出现如下的储存方式：
虚线表示匹配的箭头，黄色的表示单词结尾
下面是python实现代码:
# -*- coding: utf-8 -*-
#Ternary Search Tree
# 小于的left, 大于的right, 等于的mid
#定义状态属性
_SENTINEL = ()
class TST(object):
#定义三叉树位置结构
__slots__ = ('splitchar','l','m','r','v')
#初始化结构
def __init__(self, ch=None):
self.splitchar = ch
self.l = self.m = self.r = None
#返回状态
def __getstate__(self):
l = [self.splitchar,self.l,self.m,self.r]
if hasattr(self,'v'):
l.append(self.v)
return tuple(l)
#设置状态,目的支持pickle的持久化对象
def __setstate__(self,l):
self.splitchar = l[0]
self.l = l[1]
self.m = l[2]
self.r = l[3]
if len(l) > 4 :
self.v = l[4]
#定义类方法，递归方式插入字母,这样不用实例
@classmethod
def insert(klass,p,k,v):
#获取字母
ch = k[0]
#若三叉树结构为空，则初始化
if p is None:
p = TST(ch)
elif p.splitchar is None:
p.splitchar = ch
#若当前字符小于节点字符，则做插入
if ch < p.splitchar:
p.l = klass.insert(p.l,k,v)
#若当前字符等于节点字符，则
elif ch == p.splitchar:
#获取剩余字符
k = k[1:]
if k:
p.m = klass.insert(p.m,k,v)
else:
#标记字母位置
p.v = v
#否则右插入
else:
p.r = klass.insert(p.r,k,v)
return p
#添加数据
def add(self,k,v):
return self.insert(self,k,v)
#搜索字符串
def search(self,s,fallback=None):
p = self
while p:
ch = s[0]
if ch < p.splitchar:
p = p.l
elif ch == p.splitchar:
s = s[1:]
if not s:
if hasattr(p,'v') :
return p.v
break
p = p.m
else:
p = p.r
return fallback
#搜索前缀的字符
def prefix_search(self,s):
p = self
while p:
ch = s[0]
if ch < p.splitchar:
p = p.l
elif ch == p.splitchar:
s = s[1:]
if not s:
return list(p)
p = p.m
else:
p = p.r
return []
#批量增加数据
def bulk_add(self,l,start=0,stop=None,sorted=False):
'''
为了取得最佳性能，字符串应该以随机或者自平衡顺序插入到三叉树中
尤其不能按照字母顺序，这样就和链表没啥区别了
'''
#若是没有排序的数据则进行排序
if not sorted:
l.sort()
#若没有结束位置，则以全部长度作为结束
if stop is None:
stop = len(l)
#比较开始到结束距离
diff = stop - start
#若为一个则直接添加
if diff == 1 :
self.add(l[start][0],l[start][1])
#若为两个同样直接添加
elif diff == 2 :
self.add(l[start][0],l[start][1])
self.add(l[start+1][0],l[start+1][1])
return
#两个以上则开始计算中间值
else:
mid_p = start + (diff / 2)
#增加中间值
self.add(l[mid_p][0],l[mid_p][1])
#采用分治法递归增加，让我回忆起快速排序
self.bulk_add(l,mid_p+1,stop,True)
self.bulk_add(l,start,mid_p,True)
def __contains__(self,k):
if self.search(k,_SENTINEL) is _SENTINEL:
return False
return True
def __iter__(self):
stack = []
p = self
if not p:
return
while True:
if p.r:
stack.append(p.r)
if p.m:
stack.append(p.m)
if p.l:
stack.append(p.l)
if hasattr(p,'v') :
yield p.v
if not stack:
break
p = stack.pop()