字典树学习根据前缀词根建立字典树

一.字典树概念

字典树又被称作Trie树，其效率非常高，所以在字符串查找，前缀匹配中应用非常广泛，其高效率是以空间为代价的。典型应用是用于统计和排序大量的字符串，它的优点是，最大限度地减少无谓的字符串比较，查询效率比哈希表更高。

字典树类似于查字典的操作
如果你要在字典中查找单词“Black”，先找到首字母为‘B’的部分，然后再找第二个单词为‘l’的部分······最后，可能可以找到这个单词，当然，也有可能这本词典并没有这个单词。

如图

struct TrieNode {          bool isWord;struct TrieNode [26]children;
}

isWord为true的节点,举个例子，两个字符串"cat"和"catch"，字符t和字符h对应的节点，就是红色的(isWord = true)
第二点利用了一个长度为26的TrieNode[]数组，用下标表示字符(char - 'a')，用该下标对应的值表示指向子节点的引用。例如字符串"cat"，根节点只有c对应的那个下标(‘c’ - ‘a’ = 2)才是有值的，其余的全为null，表示这条路走不通。

struct TrieNode {        // 节点bool isWord;                               struct TrieNode[26] children ;
TrieNode *TrieInit() {struct TrieNode *root;      // 根节点root->isWord=false;//【向字典树插入单词word】// 思路：按照word的字符，从根节点开始，一直向下走：//          如果遇到null，就new出新节点；如果节点已经存在，cur顺着往下走就可以void insert(struct TrieNode *root,char * word) {struct TrieNode *cur = root;                        // 先指向根节点for (int i = 0; i < word.length(); i++) {    // 如果是【后缀树】而不是【前缀树】，把单词倒着插就可以了，即for(len-1; 0; i--)int c = word[i] - 'a';           // (关键) 将一个字符用数字表示出来，并作为下标if (cur.children[c] == null) {cur.children[c] = TrieInit();}cur = cur.children[c];}cur.isWord = true;                          // 一个单词插入完毕，此时cur指向的节点即为一个单词的结尾}//【判断一个单词word是否完整存在于字典树中】// 思路：cur从根节点开始，按照word的字符一直尝试向下走：//          如果走到了null，说明这个word不是前缀树的任何一条路径，返回false;//          如果按照word顺利的走完，就要判断此时cur是否为单词尾端：如果是，返回true；如果不是，说明word仅仅是一个前缀，并不完整，返回false
bool search(char *word) {struct TrieNode* cur = root;for (int i = 0; i < word.length(); i++) {int c = word[i] - 'a';if (cur.children[c] == null) {return false;}cur = cur.children[c];}return cur.isWord;}//【判断一个单词word是否是字典树中的前缀】// 思路：和sesrch方法一样，根据word从根节点开始一直尝试向下走：//          如果遇到null了，说明这个word不是前缀树的任何一条路径，返回false;//          如果安全走完了，直接返回true就行了———我们并不关心此事cur是不是末尾(isWord)
bool startsWith(char * word) {struct TrieNode *cur = root;for (int i = 0; i < word.length(); i++) {int c = word[i] - 'a';if (cur.children[c] == null) {return false;}cur = cur.children[c];}return true;}
}

例题

在英语中，我们有一个叫做词根(root) 的概念，可以词根后面添加其他一些词组成另一个较长的单词——我们称这个词为继承词(successor)。例如，词根an，跟随着单词 other(其他)，可以形成新的单词 another(另一个)。

现在，给定一个由许多词根组成的词典 dictionary 和一个用空格分隔单词形成的句子 sentence。你需要将句子中的所有继承词用词根替换掉。如果继承词有许多可以形成它的词根，则用最短的词根替换它。

你需要输出替换之后的句子。

#define MAX_STR_LEN 1024typedef struct Trie {bool isEnd;struct Trie *children[26];
} Trie;Trie * creatTrie() {Trie *node = (Trie *)malloc(sizeof(Trie));for (int i = 0; i < 26; i++) {node->children[i] = NULL;}node->isEnd = false;return node;
}void freeTrie(Trie *root) {for (int i = 0; i < 26; i++) {if (root->children[i]) {freeTrie(root->children[i]);}}free(root);
}char *findRoot(const char *word, Trie *trie) {char *root = (char *)malloc(sizeof(char) * MAX_STR_LEN);Trie *cur = trie;int len = strlen(word);int pos = 0;for (int i = 0; i < len; i++) {char c = word[i];if (cur->isEnd) {root[pos] = 0;return root;}if (!cur->children[c - 'a']) {free(root);return word;}root[pos++] = c;cur = cur->children[c - 'a'];}root[pos] = 0;return root;
}char ** split(char *str, char ch, int *returnSize) {int len = strlen(str);char **res = (char **)malloc(sizeof(char *) * len);int i = 0, pos = 0;while (i < len) {while (i < len && str[i] == ch) {i++;}int start = i;while (i < len && str[i] != ch) {i++;}if (start < len) {res[pos] = (char *)malloc(sizeof(char) * (i - start + 1));memcpy(res[pos], str + start, sizeof(char) * (i - start));res[pos][i - start] = '\0';pos++;}}*returnSize = pos;return res;
}char * replaceWords(char ** dictionary, int dictionarySize, char * sentence){Trie *trie = creatTrie();for (int i = 0; i < dictionarySize; i++) {Trie *cur = trie;int len = strlen(dictionary[i]);for (int j = 0; j < len; j++) {char c = dictionary[i][j];if (!cur->children[c - 'a']) {cur->children[c - 'a'] = creatTrie();}cur = cur->children[c - 'a'];}cur->isEnd = true;}int wordsSize = 0, pos = 0;char **words = split(sentence, ' ', &wordsSize);char *ans = (char *)malloc(sizeof(char) * (strlen(sentence) + 2));for (int i = 0; i < wordsSize; i++) {char * ret = findRoot(words[i], trie);pos += sprintf(ans + pos, "%s ", ret);free(words[i]);if (ret != words[i]) {free(ret);}}ans[pos - 1] = '\0';freeTrie(trie);return ans;
}作者：LeetCode-Solution
链接：https://leetcode.cn/problems/replace-words/solution/dan-ci-ti-huan-by-leetcode-solution-pl6v/
来源：力扣（LeetCode）
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

字典树学习根据前缀词根建立字典树相关推荐

[湖南集训]更为厉害树上主席树-以树深度为下下标建立主席树
题意题解: 首先对于树上某个点a来说,假设点b是a的祖先(也就是在a的上面),那么答案很好计算,也就是min(k,dep[a]−1)∗(size[a]−1)min(k,dep[a]-1)*(size[ ...
英汉小字典java_java 学习案例之英汉字典
在写代码的时候,当鼠标悬浮在某一个单词上面的时候,有道词典点有时会弹出一个消息气泡,在里面中给出关于这个单词相关的解释,下面给大家展示一个使用Java基础语言编写的英汉字典案例: 实现功能: 输入英文 ...
可以学习的英语和日语字典
作者:http://blog.csdn.net/flower_garden 本英文字典和日文字典仅为学习方便使用,作者和下列提到的网站没有任何关系. 下载地址:http://pan.baidu.com ...
分门别类刷leetcode——高级数据结构（字典树，前缀树，trie树，并查集，线段树）
目录 Trie树(字典树.前缀树)的基础知识字典树的节点表示字典树构造的例子字典树的前序遍历获取字典树中全部单词字典树的整体功能字典树的插入操作字典树的搜索操作字典树的前缀查询字典树 ...
字典树（Trie/前缀树）
目录字典树的概念字典树的逻辑字典树的实现易混点剖析代码示例字典树的概念字典树(Trie)是一种空间换时间的数据结构,是一棵关于"字典"的树.主要用于统计.排序和保存大 ...
【算法学习】前缀树Trie
Tire(前缀树) 一.定义: Trie(发音类似 "try")或者说前缀树是一种树形数据结构,用于高效地存储和检索字符串数据集中的键. 其核心是使用「边」来代表有无字符,使用「点 ...
Swift基础入门知识学习（7）－字典-讲给你懂
Swift基础入门知识学习(6)-数组(阵列)-讲给你懂目录声明字典创建一个空字典存取与修改字典使用for-in遍历字典中的所有值字典转换为数组 Swift字典(dictionary) 用 ...
python字典里可以放列表吗_学习python之列表及字典
本关学习的是两种新的数据类型:列表.字典. 在开始之前先学习一下计算机与数据直接的关系. 计算机有3种方式利用数据: 1.直接使用数据 print('我来了') 2.计算和加工数据 print (1+ ...
Python语言学习：利用sorted对字典按照value进行递减排序，输出列表，并给定排名索引，组成新字典输出
Python语言学习:利用sorted对字典按照value进行递减排序,输出列表,并给定排名索引,组成新字典输出目录利用sorted对字典按照value进行递增排序,输出列表,并给定排名索引,组成 ...

字典树学习根据前缀词根建立字典树

字典树学习根据前缀词根建立字典树相关推荐

最新文章

热门文章

字典树学习 根据前缀词根建立字典树

字典树学习 根据前缀词根建立字典树相关推荐

最新文章

热门文章

字典树学习根据前缀词根建立字典树

字典树学习根据前缀词根建立字典树相关推荐