Ordet ' Försök ' är ett utdrag ur ordet ' hämtning '. Trie är en sorterad trädbaserad datastruktur som lagrar uppsättningen strängar. Den har antalet pekare lika med antalet tecken i alfabetet i varje nod. Den kan söka efter ett ord i ordboken med hjälp av ordets prefix. Till exempel, om vi antar att alla strängar är bildade av bokstäverna ' a 'till' Med ' i det engelska alfabetet kan varje försöksnod ha maximalt 26 poäng.
bubbla sortera i java
Trie är också känt som det digitala trädet eller prefixträdet. Positionen för en nod i Trie bestämmer nyckeln som den noden är ansluten till.
Egenskaper för Trie för en uppsättning av strängen:
- Rotnoden för försöket representerar alltid nollnoden.
- Varje barn av noder sorteras alfabetiskt.
- Varje nod kan ha maximalt 26 barn (A till Ö).
- Varje nod (förutom roten) kan lagra en bokstav i alfabetet.
Diagrammet nedan visar en trie-representation för klockan, björnen, borrningen, slagträet, bollen, stoppet, stocken och stack.
Grundläggande funktioner för Trie
Det finns tre operationer i Trie:
- Införande av en nod
- Söker efter en nod
- Radering av en nod
Infoga en nod i Trie
Den första operationen är att infoga en ny nod i försöket. Innan vi påbörjar implementeringen är det viktigt att förstå några punkter:
- Varje bokstav i inmatningsnyckeln (ordet) infogas som en individ i Trie_node. Observera att barn pekar på nästa nivå av Trie-noder.
- Nyckelkaraktären fungerar som ett index över barn.
- Om den aktuella noden redan har en referens till den aktuella bokstaven, ställ in den aktuella noden till den refererade noden. Annars skapar du en ny nod, ställer in bokstaven så att den är lika med den nuvarande bokstaven och till och med starta den nuvarande noden med denna nya nod.
- Tecknets längd avgör försökets djup.
Implementering av infoga en ny nod i Trie
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]="=" '