来源 | 码海责编 | Carol封图 | CSDN 付费下载于视觉中国我们几乎每天都在用搜索引擎搜索信息，相信大家肯定有注意过这样一个细节:当输入某个字符的时候，搜索引框底下会出现多个推荐词，如下，输入「python」后，底下会出现挺多以python 为前缀的推荐搜索文本，它是如何实现的呢？
- 什么是 Trie 树
- Trie 树的实现
- 如何实现搜索字符串自动提示
- 再谈 Trie 树
- 根节点不包含字符，除根节点外每个节点只包含一个字符
- 从根节点到某一节点，路径上经过的字符连接起来，为该节点对应的字符串。如上图中从根节点到结点 o，经过的字符为「t」和「o」,所以它表示单词 to。
- 每个节点的所有子节点包含的字符都不相同，这一点也就保证了相同的前缀能够得到复用。
/**
* 26 个字母
*/static final int ALPHABET_SIZE = 26;/**
* Trie 树的节点表示
*/static class TriedNode {/**
* 根节点专用，存储 "/"
*/public char val;/**
* 以此结点字符为终止字符的字符串的个数
*/public int frequency;/**
* 节点指向的子节点
*/
TriedNode[] children = new TriedNode[ALPHABET_SIZE];public TriedNode(char val) {this.val = val;
}
}/**
* Trie 树
*/static class TrieTree {private TriedNode root = new TriedNode('/'); // 根节点
}- 根据一组字符串构造 Trie 树
- 在 Trie 树中查找字符串是否存在
- 构建根节点，此时根节点存有一个元素大小为 26 的数组
- 遍历字符串「and」
- 遍历第一个字符 a 时，将上述数组的第一个元素赋值为一个 TriedNode 实例(假设其名为 A)
- 当遍历第二个字符 n 时，将 A 结点 TriedNode 数组下标为 n-a = 13 (a 的 ascii 为 97，n 的 ascii 码为 110) 的元素赋值为一个 TriedNode 实例(假设其名为 N)
- 同理，当遍历第三个字符 d 时，将 N 结点 TriedNode 数组的第 4 个元素(下标为 3)赋值为一个 TriedNode 实例(假设其名为 D)，同时也将其结点的 frequency 加一，代表以此字符为终止字符的字符串多了一个。
/**
* Trie 树
*/static class TrieTree {private TriedNode root = new TriedNode('/'); // 根节点/**
* 以 String 为条件构建 Trie 树
* @param s
*/public void insertString(String s) {
TriedNode p = root;for (int i = 0; i char c = s.charAt(i);int index = c-'a';if (p.children[index] == null) {
p.children[index] = new TriedNode(c);
}
p = p.children[index];//Process char
}
p.frequency++;
}
}/**
* 查找字符串是否在原字符串集合中
* @param s
* @return boolean
*/public boolean findStr(String s) {
TriedNode p = root;for (int i = 0; i // 当前被遍历的字符char c = s.charAt(i);int index = c-'a';if (p.children[index] == null) {// 如果字符对应位置的数组元素为空，说明肯定不存在此字符，终止之后的字符遍历return false;
}// 如果存在，则继续往后遍历字符串
p = p.children[index];
}return true;
}
如何实现搜索字符串自动提示功能
有了 Trie 树，相信大家不难解决开篇的这个问题，首先搜索引擎根据用户的搜索词构建一颗 Trie 树，假设这个搜索词库是 a, to, tea, ted, ten, i, in, inn，则构建的 Trie 树为：- 先根据用户输入的前缀在树中找出含有此前缀的所有字符串
- 我们知道在节点中保存了字符串的被搜索次数，所以利用小顶堆即可算出被搜索次数最多的 10 个字符串，即可得最终展示给用户的提示词。
这样就解决了，考虑以下现象：我们在输入搜索词的时候，搜索引擎给出的提示词可能并不是以用户输入的字符串为前缀的。
这种又是怎么实现的呢，它实际上用到了字符串编辑距离的思想，所谓字符串编辑距离是说一个字符串可以通过增删改查字符来变成另外一个字符串。
再谈 Trie 树
从前面的介绍中我们可以看到使用 Trie 树确实在能在快速查找字符串与词频统计上发挥重要作用，但天下没有免费的午餐，如果字符集比较大的话，用 Trie 树可能会造成空间的浪费，以上文中构建的 Trie 树为例
如果是字符串的精确匹配查找，我们一般建议使用散列表或红黑树来解决，毕竟很多语言的类库都有现成的，不需要自己实现，拿来即用
如果需要进行前缀匹配查找，则用 Trie 树更合适一些
总结
本文通过搜索引擎字符串提示简要地概述了其实现原理，相信大家应该理解了，需要注意的是其使用场景，更推荐在需要前缀匹配查找的时候用 Trie 树，否则像一般的精确匹配查找等更推荐用散列表和红黑树这些很成熟的数据结构，毕竟这两数据结构实现一般在类库中都是实现了的，不需要自己实现，尽量不要重复造轮子。
推荐阅读手把手教你配置VS Code 远程开发工具，工作效率提升N倍
用大白话彻底搞懂HBase RowKey详细设计
后端程序员必备：书写高质量SQL的30条建议
Go 远超 Python，机器学习人才极度稀缺，全球 16,655 位程序员告诉你这些真相！
任正非谈“狼文化”：华为没有 996，更没有 007
区块链必读“上链”哲学：“胖链下”与“瘦链上”
在商业中，如何与人工智能建立共生关系？
![28、清华大学脑机接口实验组SSVEP数据集：通过视觉触发BCI[飞一般的赶脚！]](https://img-blog.csdnimg.cn/direct/9a0a325a11744af1b5437c5458dbc52f.png)
