查找第一期 - 单词查找树

简介

单词查找树又称”字典树“、”Trie 树“，是一种树形结构。单词查找树示意图如下所示

单词查找树的作用

「单词的快速查找」（不然为啥叫单词查找树嘛），当然也可以在单词查找的基础上进行扩展，例如进行词频统计，存取数据等等，这个会在后面详细介绍

单词查找树的特性

1. 根节点不存在字符，其他每个节点只存在一个字符。其根节点的存在只是为了简化查询操作，并无特殊意义
2. 从根节点到某个节点的路径连接起来时，就是一个完整的字符串 如上图所示，整个路径连一起为字符串 "tree"
3. 每个节点的子节点所包含在字符唯一。不会出现一下情况
4. 每个节点都存在 R 条链接，R 为字符的范围。举个例子，如果是 ASCII 编码，则 R 为 256。R 向单词查找树可能会存在很多的空键，所以在绘制时一般忽略空键。示意图如下所示

字母表的大小为 R，在一棵由 N 个键构造的单词查找树中，未命中查找平均所需检查的数量为~，链接总数在 RN 到 RNw 之间（w 为键的平均长度），所以 R 向单词查找树适用于字母范围和键长比较小的情况（《算法 4》有证明）

单词查找树优势

1. 查找命中所需要的时间与「查找键的长度」成正比
2. 查找未命中只需要查找若干个字符，M 为未命中所需要查询的次数（M<=L），未命中平均查找字符数为 《算法 4 有证明》

如上图所示，查询字符串 "te" 时，在 t 节点的子节点匹配失败，无法匹配 "e"

单词查找树与其他查找方式比较

「和遍历相比」

引入一个新华词典查找汉字 ”树“ 的例子

1. 第一种查询方式：从新华词典第一个页开始翻，每一页看下是否存在“树”，直到第 n 页后，查找到”树“
2. 第二种查询方式：”树“拼音为”shu“
   • 先在字典目录中查询”s“的页码，然后翻到对应的页码
   • 再根据”h“翻到对应的页码；
   • 再根据“u”翻到对应的页码
   • 最后根据“shu”拼音确认一个大概的范围，再在这个范围内寻找“树”

第一种方式类比遍历，第二种方式类比单词查找树。无需多说，第一个方式比第二种方式慢太多了。如果想查询个“字典树”这三个字，按照第一种方式估计得半天时间

「和散列表相比」

单纯的对于字符串查询，散列表可以做到 O(1)，难道还有比 O(1)更快的算法？那单词查找树还能有啥优势？

其实散列表相较于单词查找树存在两个弊端

1. 空间占用：散列表需要显示得存储每个字符，而单词查找树可以压缩空间。单词查找树对于相同前缀的字符串，是存储到一起的，例如 tree，和 trie，tr 占用同一个空间。而散列表需要分别存储 tree 和 trie
2. 前缀匹配：散列表无法查询前缀。例如我现在存储的是 "tree"和"trie"，但是我想查询的是 “是否包含"tr*"的字符”，此时散列表就无能为力了

单词查找树代码实现

「此处实现代码，假设所有字符为英文小写字母，即 R=26」

定义单词查找树方法

class TrieTree {
  match(str: string): boolean; // 查询字符串是否存在与单词查找树中
  insert(str: string): void; // 插入
  delete(str: string): void; // 删除
}

定义树节点

class TrieTreeNode {
  value: number;
  next: (TrieTreeNode | null)[];

  constructor(value: number, R: number) {
    this.value = value;
    this.next = new Array(R).fill(null);
  }
}

这里值得一提的是，既然我们都已经知道了 R 向单词查找树的特性每个节点都含有 R 条链接，那我们这里为什么不直接使用数组来存储呢？例如如下存储方式

// 为了展示方便，R就不取26了，实在是太长了，假设R=5
root = [null, null, null, null, null];

// 当存储 "ab" 时
const root = [
  [null, [null, null, null, null, null], null, null, null],
  null,
  null,
  null,
  null,
];

由于 root[0] !== null，则表示 "a" 字符存在，root[0][1] !== null，则表示 "a" 字符下 "b" 字符存在，合一起则为 "ab"

那为什么不用这种方式存储呢？这里需要考虑到一个问题，就是删除操作。举个例子

我们看向这该单词查找树右侧，假设右侧存储 "tr","tree","trie" 字符串，此时我想删除 "tr"，既然要删除 "tr" 那么必然的需要删除掉，t 节点、r 节点，但是删除 t、r 节点的后果就是再也无法访问到后续的 e 节点和 i 节点，表示 e 节点和 i 节点也莫名其妙被删除了，这显然是错误的

所以，我们需要存储一个「表示当前节点是否可用」，所以使用 value 来存储当前节点的频率，当此节点频率为 0 时，则表示此节点是不存在的，之所以未删除是为了后续节点可以正常访问

初始化

class TrieTree {
  private root: TrieTreeNode;
  private readonly R: number;

  constructor(R: number) {
    this.R = R;
    this.root = new TrieTreeNode(0, this.R);
  }

  static getCharCodeBaseA(s: string): number {
    return s.charCodeAt(0) - 97;
  }
}

查找（匹配）

单词查找树的每个节点都存储了，下一个节点所包含的所有可能的字符链接。拿 TrieTreeNode 来说，next 存储了下一个节点所有可能存在的字符

在查询时，可能遇到如下情况

1. 节点 next 不包含字符，则此次为非命中查询，直接结束，为”不匹配“。例如查询 "te"，"t"可以匹配，但"e"无法匹配
2. 节点 next 包含字符，则此次为命中查询，继续下一次查询。例如查询 "te"，"t" 匹配，还需要继续匹配 "e"
3. 键遍历完成，结束查询。例如查询 "tr"，"t、r" 都可以匹配
4. 完成查询后，如果当前节点频率为 0，则为”不匹配“，否则为”匹配“

class TrieTree {
  ...
  match(key: string): boolean {
    let i: number = 0;
    let node: TrieTreeNode = this.root;

    while (i < key.length) {
      const code: number = TrieTree.getCharCodeBaseA(key[ i ]);
      if (node.next[ code ] === null) {
        return false;
      }

      node = node.next[ code ]!;
      i++;
    }
    return node.value > 0;
  }
}

插入

在插入时，首先也是进行查找操作，可能出现如下情况

1. 插入时，单词查找树不存在该字符，则需要创建一个新的节点来保存该字符，此时词频为 1
2. 插入时，单词查找树中已经存在此字符，则进入下一步，此时词频+1

class TrieTree {
  ...
   insert(key: string): void {
    let i: number = 0;
    let node: TrieTreeNode = this.root;

    while (i < key.length) {
      const code: number = TrieTree.getCharCodeBaseA(key[ i ]);
      const nextNode: TrieTreeNode | null = node.next[ code ];

      if (nextNode === null) {
        node = node.next[ code ] = new TrieTreeNode(1, this.R);
      } else {
        nextNode.value++;
        node = nextNode;
      }
      i++;
    }
  }
}

删除

删除时，可能出现如下情况

1. 字符串无法匹配，则表示字符串不存在于该单词查找树，则不做任何操作
2. 字符串匹配
   • 词频为 0，则表示字符串不存在于单词查找树，则不做任何操作
   • 词频大于 0，则涉及到所有字符的词频减 1

class TrieTree {
  ...
  delete(key: string): void {
    this.del(key, 0, this.root);
  }

  private del(key: string, i: number, node: TrieTreeNode): boolean {
    if (i === key.length) {
      return true;
    }

    const code: number = TrieTree.getCharCodeBaseA(key[ i ]);
    const nextNode: TrieTreeNode | null = node.next[ code ];

    if (nextNode !== null && this.del(key, i + 1, nextNode)) {
      nextNode.value--;
      return true;
    }

    return false;
  }
}

扩展 1-词频率统计

统计字符出现的频率，可能出现以下情况

1. 查询字符不匹配，则词频为 0
2. 查询字符匹配，则返回存储的值

class TrieTree {
  private getTreeNode(key: string): TrieTreeNode | null {
    let i: number = 0;
    let node: TrieTreeNode = this.root;

    while (i < key.length) {
      const code: number = TrieTree.getCharCodeBaseA(key[i]);
      if (node.next[code] === null) {
        return null;
      }
      i++;
      node = node.next[code]!;
    }
    return node;
  }

  getRank(key: string): number {
    const node: TrieTreeNode | null = this.getTreeNode(key);
    if (node === null) return 0;
    return node.value;
  }
}

扩展 2-存取数据

有一个需求，要求实现使用单词查找树存储如下数据{ name: "Tom",age: 24 }，并且可以根据 key 值取出对应的值，表示为 [[Set]]("name","Tom"); [[GET]]("name") === "Tom"

我们看向 TrieTreeNode

class TrieTreeNode {
  value: number;
  next: (TrieTreeNode | null)[];

  constructor(value: number, R: number) {
    this.value = value;
    this.next = new Array(R).fill(null);
  }
}

我们原来是将 value 用来「存储词频」，那同理我们也可以使用 value 来「存储值」，我们对 TrieTreeNode 扩展

class TrieTreeNode {
  value: any; // 存储任意值
  next: (TrieTreeNode | null)[];

  constructor(value: number, R: number) {
    this.value = value;
    this.next = new Array(R).fill(null);
  }
}

「存取数据实现」

class TrieTree {
  ...
  // [[SET]]
  setValue(key: string, value: any): void {
    let i: number = 0;
    let node: TrieTreeNode = this.root;

    while (i < key.length) {
      const code: number = TrieTree.getCharCodeBaseA(key[i]);
      const nextNode: TrieTreeNode | null = node.next[code];

      if (nextNode === null) {
        node = node.next[code] = new TrieTreeNode(null, this.R);
      } else {
        node = nextNode;
      }
      i++;
    }
    node.value = value;
  }

  // [[GET]]
  getValue(key: string): any | null {
    const node: TrieTreeNode | null = this.getTreeNode(key);
    return node === null ? null : node.value;
  }

  // [[DELETE]]
  deleteValue(key: string): void {
    const node: TrieTreeNode | null = this.getTreeNode(key);
    if (node === null) return;
    node.value = null;
  }
}

三向单词查找树

现在又有另一个需求，我想快速查询的不是英文字符了，而是 某个地区的人名称。根据百度得中文常用字为 3500 字（不考虑生僻字哈），如果按照 R 向单词查找树的话，R=3500，假设 w=3，这将是巨大的空间消耗

由于 R 向单词树对于长键和大字符范围较大的情况下，空间消耗比较大，如果你能满足如此大的空间消耗，则它的性能是极好的。那么有没有一种性能较好，但空间消耗不是这么夸张的呢？接下来让我们介绍 「三向单词查找树（TST）」

三向单词查找树的一个节点包含「一个键」，「一个值」，「三个链」小于该键的左链，等于该键的中链，大于该键的右链

如上图所示的三向单词查找树，举个例子查找 "cn"

1. 匹配"c"："c" 与 c 节点的 KEY 匹配，则进入 c 节点的中链
2. 匹配 "n"："n" 与 o 节点 KEY 不匹配，且"n" < "o"，则进入 o 节点左链
3. 匹配"n"："n"与 n 节点 KEY 匹配，则 "cn"匹配完成，获取到 VALUE 为 "google"

三向单词查找树的特性

1. 三向单词查找树最重要的性质就是每个节点只含三个链，因此它的空间远小于单词查找树
2. 树的节点表示取决于键的插入顺序（R 向单词查找树则与键插入顺序无关）
3. 根节点也包含字符了
4. 查找成本，由 N 个随机字符串构造的三向单词查找树，未命中平均需要查找~，除此外一次插入或命中查找会比较一次键的所有字符《算法 4 证明》

三向单词查找树实现

定义三向单词查找树的方法

class ThreeTrieTree {
  getValue(key: string): any | null;
  setValue(key: string, value: any): void;
  deleteValue(key: string): void;
}

根据三向单词查找树特性定义树节点

class ThreeTrieTreeNode {
  key: string;
  value: any;
  left: ThreeTrieTreeNode | null = null;
  mid: ThreeTrieTreeNode | null = null;
  right: ThreeTrieTreeNode | null = null;

  constructor(key: string, value: any) {
    this.key = key;
    this.value = value;
  }
}

初始化

class ThreeTrieTree {
  private root: ThreeTrieTreeNode | null;

  constructor() {
    this.root = null;
  }
}

查找

查找时可能出现如下情况

1. 节点为 null 时，匹配结束，未查找到结果
2. 节点不为 null，
   • 字符等于节点 KEY，则进入中链，继续比较
   • 字符小于节点 KEY，则进入左链，继续比较
   • 字符大于节点 KEY，则进入右链，继续比较
3. 当字符遍历完成且节点不为 null，则查找到结果

class ThreeTrieTree {
  ...
  getValue(key: string): any | null {
    const node: ThreeTrieTreeNode | null = this.getTreeNode(key);
    return node === null ? null : node.value;
  }

  private getTreeNode(key: string): ThreeTrieTreeNode | null {
    let i: number = 0;
    let node: ThreeTrieTreeNode | null = this.root;

    while (i < key.length - 1) {
      if (node === null) return null;

      if (key[i] === node.key) {
        node = node.mid!;
        i++;
      } else if (key[i] < node.key) {
        // 进入left
        node = node.left!;
      } else {
        // 进入 right
        node = node.right;
      }
    }
    return node;
  }
}

插入

插入也是需要先查找

1. 当节点为 null，新建节点，并进入新节点的中键
2. 节点不为 null
   • 字符等于节点 KEY，则进入中链，继续比较
   • 字符小于节点 KEY，则进入左链，继续比较
   • 字符大于节点 KEY，则进入右链，继续比较
3. 当键遍历完成后，则设置当前节点的值

class ThreeTrieTree {

  ...
  setValue(key: string, value: any): void {
    this.root = this.setTreeNode(this.root, key, 0, value);
  }

  private setTreeNode(node: ThreeTrieTreeNode | null, key: string, i: number, value: any): any {
    if (node === null) {
      node = new ThreeTrieTreeNode(key[ i ], null);
    }

    if (i === key.length - 1) {
      // 此时匹配完成了，该赋值了
      node.value = value;
      return node;
    }

    if (key[ i ] === node.key) {
      node.mid = this.setTreeNode(node.mid, key, i + 1, value);
    } else if (key[ i ] > node.key) {
      node.right = this.setTreeNode(node.right, key, i, value);
    } else {
      node.left = this.setTreeNode(node.left, key, i, value);
    }
    return node;
  }
}

删除

删除也是需要先查找

1. 当查询出的节点为 null，则不做任何操作
2. 当查询处的节点不为 null，则清除该节点的值

class ThreeTrieTree {
  deleteValue(key: string): void {
    const node: ThreeTrieTreeNode | null = this.getTreeNode(key);
    if (node !== null) {
      node.value = null;
    }
  }
}

本文使用 mdnice 排版