蓝桥杯·全国青少年信息素养大赛·电子学会Python/C++考级：字典树前缀树与单词检索统计

一、引言

最近赛事密集，正是刷题备战的好窗口：

第十八届蓝桥杯软件赛 （C/C++ 程序设计、Python 程序设计）报名已于 2026-10-08 10:00---2026-12-18 14:00 开启，省赛定在 2027-04-10 9:00--13:00 ，全国总决赛 2027-06-12；组委会还同步推出了"全国高校备赛季"活动（备赛手册、免费模拟赛、每日一题）。
中国电子学会 2026 年 12 月软件编程等级考试 （C/C++ 一级至十级、Python 一级至六级）报名 2026-09-23---12-02 16:00（即将截止） ，全国测试 12-10 、统考 12-12（C/C++ 8:30--10:30、Python 14:00--15:00）。
全国青少年信息素养大赛·算法应用主题赛初赛考点大纲（参照电子学会《青少年软件编程等级评价指南》）明确把"字符串"作为独立章节，复决赛还包含编程操作题。

字符串处理是这三场考试的公共高频考点。今天我们就讲字符串处理的"地基"结构------字典树（Trie，又称前缀树），用一道原创题把它吃透，并给出 C++ 与 Python 双版本。

二、题目 / 项目目标

原创题：校园智能单词本

学校要做一个背单词小程序，需要支持三种操作（所有单词仅由小写字母组成）：

任务 A（插入）：把一个个单词加入词典（可重复插入，重复则计数 +1）。

任务 B（精确查询）：给定一个单词，判断它是否在词典中出现过。

任务 C（前缀统计 / 前缀列举）：给定一个前缀字符串，统计（或列举）词典中以该前缀开头的单词数量。

示例：依次插入 apple、app、apply、bat、batch。

查询 app → 在词典中（出现过 1 次）。

前缀统计 app → 3（apple、app、apply 均以 app 开头）。

前缀列举 app → app、apple、apply。

用哈希表能做 A、B，但前缀类问题（C）它做不了------这正是字典树的用武之地。

三、核心考点

字符串多叉树建模：把每个单词的字符依次挂成一棵树，从根到某一节点路径上的字符拼起来就是前缀。
两种计数 ：cnt（以某节点结尾的单词数，用于精确匹配）与 pass（经过某节点的单词数，用于前缀统计）。
字符到子节点下标的映射 ：小写字母用 c - 'a' 映射到 0--25；更通用的场景用 map / 字典存子节点。
时间复杂度 O(单词长度)：每次插入 / 查询只沿树走一条长度为词长的链。
与哈希表、集合的取舍：字典树胜在天然支持"前缀"，哈希表胜在平均 O(1) 但无前缀能力。

四、解法 / 拆解

4.1 思路

每个节点挂 26 个（或若干个）子节点指针，外加两个计数器。
插入：从根出发，逐字符往下走，每经过一个节点 pass++；走到词尾节点 cnt++。
精确查询 ：沿词走，中途断链即返回 false；走到词尾看 cnt > 0。
前缀统计 ：沿前缀走，中途断链返回 0；走完返回该节点的 pass。
前缀列举（任务 C 进阶） ：先走到前缀末端节点，再 DFS 回溯所有 cnt > 0 的节点，沿途拼出单词。

4.2 C++ 实现（数组版，速度快、适合竞赛）

cpp 复制代码

#include <iostream>
#include <string>
#include <vector>
using namespace std;

const int ALPH = 26;

struct TrieNode {
    TrieNode* son[ALPH];
    int cnt;   // 以此节点结尾的单词个数（精确匹配）
    int pass;  // 经过此节点的单词个数（前缀统计）
    TrieNode() : cnt(0), pass(0) {
        for (int i = 0; i < ALPH; i++) son[i] = nullptr;
    }
};

struct Trie {
    TrieNode* root;
    Trie() { root = new TrieNode(); }

    // 任务A：插入单词（可重复）
    void insert(const string& w) {
        root->pass++;              // 空串（根）也代表一个前缀，先 +1
        TrieNode* p = root;
        for (char c : w) {
            int idx = c - 'a';
            if (!p->son[idx]) p->son[idx] = new TrieNode();
            p = p->son[idx];
            p->pass++;
        }
        p->cnt++;
    }

    // 任务B：精确查询单词是否存在
    bool search(const string& w) {
        TrieNode* p = root;
        for (char c : w) {
            int idx = c - 'a';
            if (!p->son[idx]) return false;
            p = p->son[idx];
        }
        return p->cnt > 0;
    }

    // 任务C：统计以 pre 为前缀的单词数量
    int prefixCount(const string& pre) {
        TrieNode* p = root;
        for (char c : pre) {
            int idx = c - 'a';
            if (!p->son[idx]) return 0;
            p = p->son[idx];
        }
        return p->pass;
    }
};

// 使用示例
int main() {
    Trie t;
    t.insert("apple"); t.insert("app"); t.insert("apply");
    t.insert("bat");   t.insert("batch");
    cout << boolalpha;
    cout << t.search("app") << "\n";   // true
    cout << t.search("ap")  << "\n";   // false（app 是前缀，不是完整单词）
    cout << t.prefixCount("app") << "\n"; // 3
    cout << t.prefixCount("ba")  << "\n"; // 2
    return 0;
}

提示：search("ap") 返回 false 但 prefixCount("ap") 返回 3------这正是 cnt 与 pass 的区别，也是新手最容易踩的坑。

4.3 Python 实现（字典版，省空间、写法直观）

python 复制代码

class TrieNode:
    __slots__ = ('son', 'cnt', 'passcnt')
    def __init__(self):
        self.son = {}        # 子节点：字符 -> TrieNode
        self.cnt = 0         # 以此节点结尾的单词个数
        self.passcnt = 0     # 经过此节点的单词个数

class Trie:
    def __init__(self):
        self.root = TrieNode()

    # 任务A：插入单词（可重复）
    def insert(self, w: str):
        self.root.passcnt += 1   # 空串（根）也代表一个前缀，先 +1
        p = self.root
        for ch in w:
            if ch not in p.son:
                p.son[ch] = TrieNode()
            p = p.son[ch]
            p.passcnt += 1
        p.cnt += 1

    # 任务B：精确查询
    def search(self, w: str) -> bool:
        p = self.root
        for ch in w:
            if ch not in p.son:
                return False
            p = p.son[ch]
        return p.cnt > 0

    # 任务C：前缀统计
    def prefix_count(self, pre: str) -> int:
        p = self.root
        for ch in pre:
            if ch not in p.son:
                return 0
            p = p.son[ch]
        return p.passcnt

    # 任务C进阶：列举所有以 pre 为前缀的单词
    def collect(self, pre: str):
        p = self.root
        for ch in pre:
            if ch not in p.son:
                return []
            p = p.son[ch]
        res = []
        self._dfs(p, pre, res)
        return res

    def _dfs(self, node, path, res):
        if node.cnt > 0:
            res.append(path)
        for ch, nxt in node.son.items():
            self._dfs(nxt, path + ch, res)


# 使用示例
t = Trie()
for w in ["apple", "app", "apply", "bat", "batch"]:
    t.insert(w)
print(t.search("app"))        # True
print(t.search("ap"))         # False
print(t.prefix_count("app"))  # 3
print(t.collect("app"))       # ['app', 'apple', 'apply']

五、时间 / 空间复杂度

操作	时间复杂度	说明
插入 insert	O(L)	L 为单词长度，只走一条链
精确查询 search	O(L)	同上
前缀统计 prefixCount	O(L)	同上
前缀列举 collect	O(L + K)	K 为匹配单词总长度（最坏遍历整棵子树）

空间复杂度 ：节点总数不超过 所有单词字符数之和，即 O(ΣL)。数组版每个节点固定 26 个指针（空间略大但访问极快），字典版按需开节点（稀疏时更省）。

六、七个易错点

字符映射范围 ：c - 'a' 只适用小写字母。含大写、数字、中文时必须改用 map / 字典，或先统一 tolower 再插入，否则下标越界或漏匹配。
cnt 与 pass 混淆 ：cnt 只在词尾节点 +1（回答"是否完整出现过"）；pass 在每个经过 节点 +1（回答"前缀有多少"）。search 看 cnt，prefixCount 看 pass，千万别看反。
前缀≠单词 ：prefixCount("ap")=3 但 search("ap")=false------"ap" 只是别人前缀，自己从没被插入。判题时看清要的是"前缀数量"还是"完整单词存在"。
空串 / 空前缀 ：prefixCount("") 返回根节点的 pass，即总单词数（含重复），这往往是题目的隐藏用例。
节点存储方式选型 ：海量"短而密"的单词用数组 son[26] 更快；海量"长而稀"或多语种字符用 map / 字典更省内存，但常数更大。
多测 / 多组数据未清空 ：数组指针版多次使用要整树 delete 重建（或加 used 标记重置），否则上一组的数据会串进来。Python 字典版直接新建 Trie() 即可。
指针空 / 递归深度 ：C++ 访问子节点前必须判 nullptr；Python 用递归 collect 时，极端长单词可能触发递归深度限制，可改成显式栈（迭代）遍历。

七、进阶

01-Trie 与最大异或数对 ：把每个数的二进制位当字符建 Trie，能 O(位数) 求"与某数异或最大"的数------本号此前位运算篇（10-26）已详细拆解。
最长公共前缀（多词版）：多单词的最长公共前缀，等价于在 Trie 上从根往下走，直到出现"分叉"（某节点有两个及以上非空子节点）或"到达某个单词结尾"为止。
字典树排序 / 去重：按字典序对 Trie 做 DFS 遍历，天然得到有序、去重的单词列表，比先排序再去重更优雅。
与哈希表 / 集合对比 ：哈希表平均 O(1) 查询但无法回答前缀类问题；Trie 是 O(L) 且天然支持前缀------凡是"找以 xxx 开头"的题，优先想 Trie。
AC 自动机（多模式匹配） ：本质就是在 Trie 上为每个节点补一条 fail 指针，把多模式串匹配变成一次文本遍历------本号AC 自动机篇（10-05）有完整讲解，Trie 就是它的底座。
可持久化 Trie：给 Trie 的每个版本"快照"复用未修改分支，可用于"区间内异或最值"等离线 / 在线问题（对应可持久化线段树思想）。

八、小结与互动

字典树是字符串处理的"地基"结构：用 O(L) 的插入 / 查询，换来了哈希表给不了的前缀能力 。记住两个计数 cnt（结尾）与 pass（路过），就能稳稳拿下精确查询、前缀统计、前缀列举三连击。它在蓝桥杯字符串题、电子学会考级字符串章节、信息素养大赛算法应用赛项里都频繁出场，务必练熟。

动手练一练 ：在上面的 Trie 加一个 delete(w)（删除单词，注意 cnt 与 pass 都要正确 −1，且可释放孤儿子树），再想想"统计词典里有多少个单词恰好是另一个单词的前缀"该怎么一句话算出来？欢迎在评论区贴出你的实现～

如果觉得有用，点个关注，后续继续拆解蓝桥杯 / 信息素养 / 电子学会考级的高频算法考点。

📚 免费少儿编程资料（夸克网盘领取）

以下资料来自夸克网盘分享，点击链接可直接保存；若需在 App 内打开，也可复制下方明文链接：

全国青少年信息素养大赛复赛集训题目Python&C++.docx
https://pan.quark.cn/s/93995d3cb150
2024信息素养-智能算法应用挑战赛-复赛初中组题目7月7日.pdf
https://pan.quark.cn/s/da97b5dbf75d
Python背记手册.pdf
https://pan.quark.cn/s/7568ae9ca92b
Python课程
https://pan.quark.cn/s/a94bf02d00c6
2024信息素养大赛图形化复赛集训题答案3-9
https://pan.quark.cn/s/6ccab7ec3cbc
2025年03月份电子学会考级真题
https://pan.quark.cn/s/4403c4228912
2025全国青少年信息素养大赛赛项说明
https://pan.quark.cn/s/d9d0df4a9f29
青少儿信息素养大赛编程资料
https://pan.quark.cn/s/4ab6bd83be8a

资料持续更新，关注获取最新分享。