字典树

字典树：又称单词查找树，Trie树，是一种树形结构，是一种哈希树的变种。典型应用是用于统计，排序和保存大量的字符串（但不仅限于字符串），所以经常被搜索引擎系统用于文本词频统计。它的优点是：利用字符串的公共前缀来减少查询时间，最大限度地减少无谓的字符串比较，查询效率比哈希树高。

它有3个基本性质：
根节点不包含字符，除根节点外每一个节点都只包含一个字符； 从根节点到某一节点，路径上经过的字符连接起来，为该节点对应的字符串； 每个节点的所有子节点包含的字符都不相同。

搜索字典项目的方法为：
(1) 从根结点开始一次搜索；
(2) 取得要查找关键词的第一个字母，并根据该字母选择对应的子树并转到该子树继续进行检索；
(3) 在相应的子树上，取得要查找关键词的第二个字母,并进一步选择对应的子树进行检索。
(4) 迭代过程……
(5) 在某个结点处，关键词的所有字母已被取出，则读取附在该结点上的信息，即完成查找。

以上为百科说明。我们再通俗的解释一下，字典树其实也是一种索引、映射。唯一的优势就是，他能够很快速的指定偏移量（即将字符与偏移量达成了关系）

比如说*s-'a'  即a0，b1……，当我们找c的时候，我们可以直接寻找其数组编号为[2]的内存地址单元。而构造到达当前节点完整路径就是我们引入的单词

所以我们的定义是这样的：

#define MAX 26 
typedef struct TrieNode                     //Trie结点声明  
{ 
    bool isStr;                            //标记该结点处是否构成单词  
    struct TrieNode *next[MAX];            //儿子分支  
}Trie; 

所以我们看到字典树的时间复杂度与有多少个单词没有任何关系，其时间复杂度为单词的长度，而空间复杂度是单词长度的26^长度（我们先假设是英文，英文26个字母）

我们现在知道字典树的强大之处了，那么如何运用呢？

首先看一下插入

①如果当前节点不存在（深度不够），建立节点

②如果构造当前节点的路径（就是单词）未被标记，那么标记改点为单词

是不是很简单呢？查询更简单！直接递归往下搜嘛！！

下面给出字典树代码

#include <iostream> #include<cstdlib> #define MAX 26 using namespace std;typedef struct TrieNode                     //Trie结点声明  { bool isStr;                            //标记该结点处是否构成单词  struct TrieNode *next[MAX];            //儿子分支  }Trie;void insert(Trie *root,const char *s)     //将单词s插入到字典树中  {if(root==NULL||*s=='\0')return;int i;Trie *p=root;while(*s!='\0'){if(p->next[*s-'a']==NULL)        //如果不存在，则建立结点  {Trie *temp=(Trie *)malloc(sizeof(Trie));for(i=0;i<MAX;i++){temp->next[i]=NULL;}temp->isStr=false;p->next[*s-'a']=temp;p=p->next[*s-'a'];}else{p=p->next[*s-'a'];}s++;}p->isStr=true;                       //单词结束的地方标记此处可以构成一个单词  }int search1(Trie *root,const char *s)       //完全对齐{	Trie *p=root;while(p!=NULL&&*s!='\0'){p=p->next[*s-'a'];s++;}return (p!=NULL&&p->isStr==true);	}int search2(Trie *root,const char *s)      //头对齐{Trie *p=root;while(p!=NULL&&*s!='\0'){if(p->isStr==true){        	return 1;		}p=p->next[*s-'a'];s++;}return (p!=NULL&&p->isStr==true);}int search3(Trie *root,const char *s)      //尾对齐 {while(*s!='\0'){     	if(search1(root,s))     	return 1;     	else     	s++;	}	return 0;}int search4(Trie *root,const char *s)      //检索 {while(*s!='\0'){     	if(search2(root,s))     	return 1;     	else     	s++;	}	return 0;}void del(Trie *root)                      //释放整个字典树占的堆区空间  {int i;for(i=0;i<MAX;i++){if(root->next[i]!=NULL){del(root->next[i]);}}free(root);}int main(int argc, char *argv[]) {int i;int n,m;                              //n为建立Trie树输入的单词数，m为要查找的单词数  char s[100];Trie *root= (Trie *)malloc(sizeof(Trie));for(i=0;i<MAX;i++){root->next[i]=NULL;}root->isStr=false;scanf("%d",&n);getchar();for(i=0;i<n;i++)                 //先建立字典树  {scanf("%s",s);insert(root,s);}while(scanf("%d",&m)!=EOF){for(i=0;i<m;i++)                 //查找  {scanf("%s",s);if(search4(root,s)==1){            	printf("YES\n");			}elseprintf("NO\n");}printf("\n");}del(root);                         //释放空间很重要  return 0;}

我们看到，其头对齐（完全对齐）查询操作比较简单，显然，因为字典树是从首字母一层一层构造的，那么如果我们不是从头对齐的话，比如说检测一段文本敏感词，就只能走一套循环了。

字典树在我工作中实际遇到过，就是敏感词检索。并且是中文，所以我们只能将MAX设为256。

我以GBK编码格式存储中文，因为GBK始终占2个单元便于管理以及后续的需求变更

但是大家知道，GBK第一个汉字是负值的，所以我们需要一个处理，即：

int GetCharFromGBK(char gbk_buf){	int value=0;	value=gbk_buf;return value>0?value:value+256;}

提供一个测试demo的完整工程下载地址http://download.csdn.net/detail/sm9sun/9691486

含有编码转换、特殊符号处、繁体字替换等处理。