算法题解记录-208实现Trie前缀树

【前缀树 (Trie)】详解与实现

一、问题理解

前缀树 (Trie) 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。它的核心特点是：

• 每个节点表示一个字符
• 从根节点到某一节点的路径上的字符连接起来，构成该节点对应的字符串
• 常用于自动补全、拼写检查、字典查询等场景

本题要求实现一个 Trie 类，具备以下三个核心功能：

1. insert(String word) → 插入一个单词
2. search(String word) → 查找一个完整的单词是否存在
3. startsWith(String prefix) → 查找是否存在以某个前缀开头的单词

---

二、数据结构设计

前缀树的核心在于节点设计。每个节点需要：

1. 一个布尔标记 isEnd：表示从根节点到当前节点的路径是否构成一个完整的单词。
2. 一个子节点数组 children：用于存储下一个可能出现的字符（通常长度为 26，对应 26 个小写英文字母）。

class TrieNode {
    boolean isEnd;
    TrieNode[] children;
    
    public TrieNode() {
        isEnd = false;
        children = new TrieNode[26]; // 默认每个元素为 null
    }
}

初始化时：

• 创建根节点 root，它是一个虚拟节点，不存储实际字符。
• isEnd 初始为 false。
• children 数组初始化为 null 数组，表示还没有任何子节点。

---

三、方法实现详解

1. 插入操作 insert(String word)

插入一个单词时，从根节点出发，依次处理每个字符：

1. 计算字符在 children 数组中的索引：index = ch - 'a'
2. 如果当前节点没有对应的子节点，则新建一个节点
3. 移动到子节点，继续处理下一个字符
4. 处理完最后一个字符后，将当前节点的 isEnd 标记为 true

public void insert(String word) {
    TrieNode node = root;
    for (char ch : word.toCharArray()) {
        int index = ch - 'a';
        if (node.children[index] == null) {
            node.children[index] = new TrieNode();
        }
        node = node.children[index];
    }
    node.isEnd = true;
}

---

2. 查找完整单词 search(String word)

查找一个完整单词的过程与插入类似，但有两个关键区别：

1. 如果路径中某个字符对应的子节点不存在，直接返回 false
2. 遍历到最后一个字符后，需要检查该节点的 isEnd 是否为 true

public boolean search(String word) {
    TrieNode node = root;
    for (char ch : word.toCharArray()) {
        int index = ch - 'a';
        if (node.children[index] == null) {
            return false;
        }
        node = node.children[index];
    }
    return node.isEnd;
}

---

3. 查找前缀 startsWith(String prefix)

查找前缀的过程与 search 类似，但不需要检查 isEnd：

• 只要路径上的所有字符都存在对应的子节点，就说明存在以该前缀开头的单词

public boolean startsWith(String prefix) {
    TrieNode node = root;
    for (char ch : prefix.toCharArray()) {
        int index = ch - 'a';
        if (node.children[index] == null) {
            return false;
        }
        node = node.children[index];
    }
    return true;
}

---

四、示例演示

假设我们要依次插入以下单词：

• "apple"
• "app"

插入过程：

插入 "apple"：
root -> a -> p -> p -> l -> e (isEnd = true)

插入 "app"：
root -> a -> p -> p (isEnd = true)

查询过程：

• search("app") → 返回 true（因为 app 是一个完整单词）
• search("ap") → 返回 false（因为路径存在，但 isEnd 为 false）
• startsWith("ap") → 返回 true（因为存在以 ap 开头的单词）
• startsWith("appl") → 返回 true（因为 apple 以此开头）

---

五、总结与心得

核心思路：

• 节点设计是关键 ：isEnd 标记 + children 数组
• 根节点是虚拟节点：不存储字符，只作为起点
• 插入时建路径：按字符逐层创建或复用节点
• 查找时走路径 ：路径存在 + isEnd 标记决定结果

记忆点：

1. 节点结构固定：boolean isEnd + TrieNode[26] children
2. 插入末尾要标记 isEnd = true
3. 查找完整单词时要检查 isEnd
4. 查找前缀时只需路径存在即可

为什么归为"图论"？

虽然 Trie 本质是一棵树，但它可以看作一种有向图（节点为状态，边为字符转移）。在算法题分类中，有时将树视为特殊的图，因此将 Trie 归入图论范畴。

---

六、完整代码模板（Java）

class Trie {
    class TrieNode {
        boolean isEnd;
        TrieNode[] children;
        public TrieNode() {
            isEnd = false;
            children = new TrieNode[26];
        }
    }
    
    private TrieNode root;
    
    public Trie() {
        root = new TrieNode();
    }
    
    public void insert(String word) {
        TrieNode node = root;
        for (char ch : word.toCharArray()) {
            int index = ch - 'a';
            if (node.children[index] == null) {
                node.children[index] = new TrieNode();
            }
            node = node.children[index];
        }
        node.isEnd = true;
    }
    
    public boolean search(String word) {
        TrieNode node = root;
        for (char ch : word.toCharArray()) {
            int index = ch - 'a';
            if (node.children[index] == null) {
                return false;
            }
            node = node.children[index];
        }
        return node.isEnd;
    }
    
    public boolean startsWith(String prefix) {
        TrieNode node = root;
        for (char ch : prefix.toCharArray()) {
            int index = ch - 'a';
            if (node.children[index] == null) {
                return false;
            }
            node = node.children[index];
        }
        return true;
    }
}

---

学会了 Trie，你就掌握了一种高效处理字符串集合的工具。它不仅是一个经典的数据结构，更是很多高级算法（如 AC 自动机、后缀树）的基础。多写几次，你会发现它的逻辑其实非常直观！