sana ' Trie ' on ote sanasta ' haku '. Trie on lajiteltu puupohjainen tietorakenne, joka tallentaa merkkijonojoukon. Siinä on osoittimien määrä, joka on yhtä suuri kuin aakkosten merkkien määrä kussakin solmussa. Se voi etsiä sanaa sanakirjasta sanan etuliitteen avulla. Jos esimerkiksi oletetaan, että kaikki merkkijonot muodostetaan kirjaimista ' a 'on' Kanssa Englannin aakkosissa jokaisessa trie-solmussa voi olla enintään 26 pisteitä.
merkkijono tokenizer java
Trie tunnetaan myös digitaalisena puuna tai etuliitepuuna. Solmun sijainti Trie:ssä määrittää avaimen, johon kyseinen solmu on yhdistetty.
Trien ominaisuudet merkkijonojoukolle:
- Trien juurisolmu edustaa aina nollasolmua.
- Jokainen solmujen lapsi on lajiteltu aakkosjärjestykseen.
- Jokaisella solmulla voi olla enintään 26 lapset (A–Z).
- Jokainen solmu (paitsi juuri) voi tallentaa yhden aakkosten kirjaimen.
Alla oleva kaavio esittää trie-esityksen kellosta, karhusta, porauksesta, mailasta, pallosta, pysäyttimestä, tukasta ja pinosta.
Trien perustoiminnot
Triessä on kolme toimintoa:
- Solmun lisääminen
- Haetaan solmua
- Solmun poistaminen
Solmun lisääminen Trieen
Ensimmäinen toimenpide on lisätä uusi solmu trieen. Ennen kuin aloitamme toteutuksen, on tärkeää ymmärtää joitain kohtia:
- Jokainen syöttöavaimen (sana) kirjain lisätään yksilönä Trie_nodeen. Huomaa, että lapset osoittavat seuraavalle Trie-solmujen tasolle.
- Avainmerkkitaulukko toimii lasten hakemistona.
- Jos nykyisellä solmulla on jo viittaus nykyiseen kirjaimeen, aseta nykyinen solmu kyseiseen viitattuun solmuun. Muussa tapauksessa luo uusi solmu, aseta kirjain vastaamaan nykyistä kirjainta ja aloita jopa nykyinen solmu tällä uudella solmulla.
- Merkin pituus määrittää trien syvyyden.
Toteutus lisäämällä uusi solmu Trieen
public class Data_Trie { private Node_Trie root; public Data_Trie(){ this.root = new Node_Trie(); } public void insert(String word){ Node_Trie current = root; int length = word.length(); for (int x = 0; x <length; x++){ char l="word.charAt(x);" node_trie node="current.getNode().get(L);" if (node="=" null){ (); current.getnode().put(l, node); } current="node;" current.setword(true); < pre> <h3>Searching a node in Trie</h3> <p>The second operation is to search for a node in a Trie. The searching operation is similar to the insertion operation. The search operation is used to search a key in the trie. The implementation of the searching operation is shown below.</p> <p>Implementation of search a node in the Trie</p> <pre> class Search_Trie { private Node_Trie Prefix_Search(String W) { Node_Trie node = R; for (int x = 0; x <w.length(); x++) { char curletter="W.charAt(x);" if (node.containskey(curletter)) node="node.get(curLetter);" } else return null; node; public boolean search(string w) node_trie !="null" && node.isend(); < pre> <h3>Deletion of a node in the Trie</h3> <p>The Third operation is the deletion of a node in the Trie. Before we begin the implementation, it is important to understand some points:</p> <ol class="points"> <li>If the key is not found in the trie, the delete operation will stop and exit it.</li> <li>If the key is found in the trie, delete it from the trie.</li> </ol> <p> <strong>Implementation of delete a node in the Trie</strong> </p> <pre> public void Node_delete(String W) { Node_delete(R, W, 0); } private boolean Node_delete(Node_Trie current, String W, int Node_index) { if (Node_index == W.length()) { if (!current.isEndOfWord()) { return false; } current.setEndOfWord(false); return current.getChildren().isEmpty(); } char A = W.charAt(Node_index); Node_Trie node = current.getChildren().get(A); if (node == null) { return false; } boolean Current_Node_Delete = Node_delete(node, W, Node_index + 1) && !node.isEndOfWord(); if (Current_Node_Delete) { current.getChildren().remove(A); return current.getChildren().isEmpty(); } return false; } </pre> <h2>Applications of Trie</h2> <p> <strong>1. Spell Checker</strong> </p> <p>Spell checking is a three-step process. First, look for that word in a dictionary, generate possible suggestions, and then sort the suggestion words with the desired word at the top.</p> <p>Trie is used to store the word in dictionaries. The spell checker can easily be applied in the most efficient way by searching for words on a data structure. Using trie not only makes it easy to see the word in the dictionary, but it is also simple to build an algorithm to include a collection of relevant words or suggestions.</p> <p> <strong>2. Auto-complete</strong> </p> <p>Auto-complete functionality is widely used on text editors, mobile applications, and the Internet. It provides a simple way to find an alternative word to complete the word for the following reasons.</p> <ul> <li>It provides an alphabetical filter of entries by the key of the node.</li> <li>We trace pointers only to get the node that represents the string entered by the user.</li> <li>As soon as you start typing, it tries to complete your input.</li> </ul> <p> <strong>3. Browser history</strong> </p> <p>It is also used to complete the URL in the browser. The browser keeps a history of the URLs of the websites you've visited.</p> <h2>Advantages of Trie</h2> <ol class="points"> <li>It can be insert faster and search the string than hash tables and binary search trees.</li> <li>It provides an alphabetical filter of entries by the key of the node.</li> </ol> <h2>Disadvantages of Trie</h2> <ol class="points"> <li>It requires more memory to store the strings.</li> <li>It is slower than the hash table.</li> </ol> <h2>Complete program in C++</h2> <pre> #include #include #include #define N 26 typedef struct TrieNode TrieNode; struct TrieNode { char info; TrieNode* child[N]; int data; }; TrieNode* trie_make(char info) { TrieNode* node = (TrieNode*) calloc (1, sizeof(TrieNode)); for (int i = 0; i <n; i++) node → child[i]="NULL;" data="0;" info="info;" return node; } void free_trienode(trienode* node) { for(int i="0;" < n; if (node !="NULL)" free_trienode(node child[i]); else continue; free(node); trie loop start trienode* trie_insert(trienode* flag, char* word) temp="flag;" for (int word[i] ; int idx="(int)" - 'a'; (temp child[idx]="=" null) child[idx]; }trie flag; search_trie(trienode* position="word[i]" child[position]="=" 0; child[position]; && 1) 1; check_divergence(trienode* len="strlen(word);" (len="=" 0) last_index="0;" len; child[position]) j="0;" <n; j++) (j child[j]) + break; last_index; find_longest_prefix(trienode* (!word || word[0]="=" '