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。这一数据结构有相当多的应用情景,例如自动补完和拼写检查。
请你实现 Trie 类:
Trie() 初始化前缀树对象。
void insert(String word) 向前缀树中插入字符串 word 。
boolean search(String word) 如果字符串 word 在前缀树中,返回 true(即,在检索之前已经插入);否则,返回 false 。
boolean startsWith(String prefix) 如果之前已经插入的字符串 word 的前缀之一为 prefix ,返回 true ;否则,返回 false 。
示例 1:
输入
["Trie", "insert", "search", "search", "startsWith", "insert", "search"]
[[], ["apple"], ["apple"], ["app"], ["app"], ["app"], ["app"]]
输出
[null, null, true, false, true, null, true]
解释
Trie trie = new Trie();
trie.insert("apple");
trie.search("apple"); // 返回 True
trie.search("app"); // 返回 False
trie.startsWith("app"); // 返回 True
trie.insert("app");
trie.search("app"); // 返回 True
提示:
1 <= word.length, prefix.length <= 2000
word 和 prefix 仅由小写英文字母组成
insert、search 和 startsWith 调用次数 总计 不超过 3 * 10^4 次
解题思路
字典树问题
class Trie {
Trie[] chirdren;
boolean isEnd;
public Trie() {
chirdren = new Trie[26];
isEnd = false;
}
public void insert(String s) {
Trie node = this;
for (int i = 0; i < s.length(); i++) {
int index = s.charAt(i) - 'a';
if (node.chirdren[index] == null) {
node.chirdren[index] = new Trie();
}
node = node.chirdren[index];
}
node.isEnd = true;
}
public boolean search(String s) {
Trie node = this;
for (int i = 0; i < s.length(); i++) {
int index = s.charAt(i) - 'a';
if (node.chirdren[index] == null) {
return false;
}
node = node.chirdren[index];
}
return node.isEnd;
}
public boolean startsWith(String s) {
Trie node = this;
for (int i = 0; i < s.length(); i++) {
int index = s.charAt(i) - 'a';
if (node.chirdren[index] == null) {
return false;
}
node = node.chirdren[index];
}
return true;
}
}
/**
* Your Trie object will be instantiated and called as such:
* Trie obj = new Trie();
* obj.insert(word);
* boolean param_2 = obj.search(word);
* boolean param_3 = obj.startsWith(prefix);
*/
复杂性分析
时间复杂度:O(1)
空间复杂度:O(T * Σ) 其中 ∣T∣ 为所有插入字符串的长度之和,Σ 为字符集的大小,本题 Σ=26