用哈希算法优化字典树空间结构

Posted Coder jily

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了用哈希算法优化字典树空间结构相关的知识,希望对你有一定的参考价值。

字典树是前缀匹配问题中常用的数据结构,查询速度可以达到O(len),len为待查序列的长度,但是字典树的空间消耗非常大,对于基于字母表的英文单词,每个节点要存储26个指针指向下一节点,很有可能有不少空的,很浪费。

考虑在节点中用哈希表来存储子节点指针,键值为单个字母,这样对于模式中没有的字母就省掉了空指针的空间,同样可以达到O(1)的选择分支速度。

 

 1 //用map作哈希表
 2 class Node
 3 {
 4 public:
 5     bool is_word = false;
 6     map<char, Node *> children;
 7     ~Node()
 8     {
 9         for (int i = 0; i < 26; ++i)
10         {
11             if (children.find(a + i) != children.end()) delete children[a + i];
12         }
13     }
14     void insert(const string _Word)
15     {
16         Node *p = this;
17         for (int i = 0; i < _Word.size(); ++i)
18         {
19             char curr = _Word[i];
20             if (p->children.find(curr) == p->children.end())
21             {
22                 p->children.insert(map<char, Node *>::value_type{ curr,new Node() });
23             }
24             p = p->children[curr];
25         }
26         p->is_word = true;
27     }
28     bool has_prefix(const string &_Word)
29     {
30         Node *p = this;
31         int i = 0;
32         for (; i < _Word.size(); ++i)
33         {
34             char curr = _Word[i];
35             if (p->children.find(curr) == p->children.end())
36             {
37                 if (p->is_word)return true;
38                 else return false;
39             }
40             else
41             {
42                 p = p->children[curr];
43             }
44         }
45         return false;
46     }
47 };

 

以上是关于用哈希算法优化字典树空间结构的主要内容,如果未能解决你的问题,请参考以下文章

字典树(前缀树)--Trie

字典树详解

Trie树(字典树)

数据结构——trie树(字典树)

字典树(模板)

ACM算法目录