字典树（Trie）算法题的技巧总结字典树的使用场景包括：字符串集合的高效存储与检索、前缀匹配与自动补全、拼写检查与单词验

一、解题思维总结

1. 何时使用字典树（Trie）？

场景	解法
字符串集合的快速插入和查找	使用 Trie 数据结构，时间复杂度 O(m)，m 为字符串长度
前缀匹配问题（自动补全、拼写检查）	Trie 的 startsWith 操作，高效判断前缀是否存在
带通配符的字符串搜索	Trie + DFS 递归搜索，处理通配符的多分支情况
字符串集合的存储优化	Trie 共享公共前缀，节省存储空间

2. 复杂度分析

插入操作时间复杂度：O(m)，m 为字符串长度
搜索操作时间复杂度：O(m)
前缀查找时间复杂度：O(m)
空间复杂度：O(N×M)，N 为字符串数量，M 为平均长度（共享前缀时实际更小）

3. 常用技巧

节点结构：使用对象嵌套 node[char] = {}，每个节点代表一个字符
结束标志：用 isEnd 或 isWord 属性标记单词结束
字符遍历：使用 for...of 遍历字符串的每个字符
节点跳转：node = node[char] 移动到子节点继续处理
DFS 搜索：递归遍历所有子节点，使用 index 参数避免字符串切片

二、核心技术

技巧一：Trie 基本结构实现

适用场景：需要高效存储和检索字符串集合，支持插入、精确搜索、前缀查找

核心要点：

每个节点是一个对象，键为字符，值为子节点对象
从根节点到任意节点的路径组成一个字符串前缀
isEnd 标志位标记单词结束，区分 "app" 和 "apple"
初始化时创建空根节点 this.root = {}

典型例题：实现 Trie (前缀树)

var Trie = function() {
    this.root = {};
};

Trie.prototype.insert = function(word) {
    let node = this.root;
    for (let char of word) {
        if (!node[char]) {
            node[char] = {};
        }
        node = node[char];
    }
    node.isEnd = true;
};

Trie.prototype.search = function(word) {
    let node = this.root;
    for (let char of word) {
        if (!node[char]) {
            return false;
        }
        node = node[char];
    }
    return node.isEnd === true;
};

Trie.prototype.startsWith = function(prefix) {
    let node = this.root;
    for (let char of prefix) {
        if (!node[char]) {
            return false;
        }
        node = node[char];
    }
    return true;
};

技巧二：带通配符的 DFS 搜索

适用场景：字符串搜索支持通配符（如 '.' 匹配任意字符），需要遍历所有可能的分支

核心要点：

通配符时遍历当前节点的所有子节点，递归搜索
使用 index 参数而非字符串切片，避免额外空间开销
DFS 函数签名：dfs(node, word, index)
跳过 isWord 等标志属性，只处理字符键
任意分支返回 true 即整体返回 true（短路优化）

典型例题：添加与搜索单词 - 数据结构设计

var WordDictionary = function() {
    this.root = {};
};

WordDictionary.prototype.addWord = function(word) {
    let node = this.root;
    for (let char of word) {
        if (!node[char]) {
            node[char] = {};
        }
        node = node[char];
    }
    node.isWord = true;
};

WordDictionary.prototype.search = function(word) {
    return this.dfs(this.root, word, 0);
};

WordDictionary.prototype.dfs = function(node, word, index) {
    if (index === word.length) {
        return node.isWord === true;
    }
    
    const char = word[index];
    
    if (char === '.') {
        for (let childChar in node) {
            if (childChar === 'isWord') {
                continue;
            }
            if (this.dfs(node[childChar], word, index + 1)) {
                return true;
            }
        }
    } else {
        if (node[char] && this.dfs(node[char], word, index + 1)) {
            return true;
        }
    }
    
    return false;
};

技巧三：节点创建与跳转模式

适用场景：Trie 的插入和搜索操作中，需要创建新节点或移动到已存在节点

核心要点：

插入时：不存在则创建 if (!node[char]) node[char] = {}
搜索时：不存在则返回 false if (!node[char]) return false
统一跳转：node = node[char]
先检查后跳转，避免访问 undefined

模板代码：

// 插入模式
let node = this.root;
for (let char of word) {
    if (!node[char]) {
        node[char] = {};  // 不存在则创建
    }
    node = node[char];    // 跳转到子节点
}
node.isEnd = true;        // 标记结束

// 搜索模式
let node = this.root;
for (let char of word) {
    if (!node[char]) {
        return false;     // 不存在则失败
    }
    node = node[char];    // 跳转到子节点
}
return node.isEnd === true;  // 检查结束标志

三、易错点提醒

不要用数组简单存储：虽然可以通过测试，但失去了 Trie 的核心优势（前缀共享、快速前缀查找），时间复杂度退化为 O(n×m)
isEnd/isWord 的判断：节点没有 isEnd 属性时返回 undefined，需要用 === true 或 !! 转换为布尔值
DFS 遍历子节点时跳过标志属性：使用 for...in 遍历会包含 isWord 等属性，需要 if (childChar === 'isWord') continue 跳过
前缀查找 vs 精确搜索：startsWith 只需遍历完前缀即可返回 true，search 需要额外检查 isEnd 标志
通配符搜索的终止条件：index === word.length 时，必须检查 isWord 而非直接返回 true

四、学习心得

Trie 数据结构的优势

前缀共享：多个字符串共享公共前缀节点，节省存储空间
快速查找：查找时间与字符串长度相关，与集合大小无关
前缀操作：天然支持前缀查找，适合自动补全、拼写检查等场景
动态扩展：可以随时插入新字符串，无需重建整个数据结构

解题思维模式

从简单到高效：先用数组等简单结构理解问题，再优化为 Trie 结构
对象嵌套思维：将树形结构转化为对象的嵌套，每个对象是一个节点
标志位设计：用特殊属性（isEnd/isWord）标记节点状态，区分路径和完整单词
递归与迭代：基本操作用迭代，复杂搜索（如通配符）用递归 DFS
短路优化：DFS 中一旦找到匹配立即返回，避免不必要的搜索

五、使用场景总结

字典树的使用场景包括：字符串集合的高效存储与检索、前缀匹配与自动补全、拼写检查与单词验证、带通配符的字符串搜索、IP 路由表的最长前缀匹配、关键词过滤与敏感词检测。