Trie的一个实现

一个Trie字典树的简单实现 // 字典树.cpp : Defines the entry point for the console application. // #include "stdafx.h" #include using namespace std; const int Max=26; typedef struct Node { bool isStr; Node *next[Max]; }TrieNode 阅读详情

Trie.h 文件

#ifndef _TRIE_H
#define _TRIE_H

#include <cstdio>
#include <cstdlib>
#include <cmath>
#include <cstring>
#include <algorithm>
using namespace std;

inline int sub_size(int level)
{
     return level > 5 ? 1 : 256 / (level * level * level);
}   

struct search_tree
{
    search_tree(int level)
    {
        int len = sub_size(level);
        word = false;
        sub_tree = new search_tree *[len];
        next = NULL;
        for (int i = 0; i < len; i++)
            sub_tree[i] = NULL;     
    }
      
    char cchar;
    bool word;
    search_tree **sub_tree;
    search_tree *next;
};

class Trie
{
    public:
        Trie()
        {
            for (int i = 0; i < 256; i++)
                T[i] = NULL;
       }
       ~Trie()
       {
           for (int i = 0; i < 256; i++)
               search_tree_delete(T[i], 1);
       }
      int add(char *str); 
      int prefix_in_tree(char *str); 
  
    private:
         void search_tree_delete(search_tree *s_tree, int level);  
         void search_tree_add(search_tree *&s_tree, char *str, int level);
         int prefix_in_tree(search_tree *s_tree, char *str, int level);
         unsigned int hash(unsigned char cchar, int len);
         search_tree *T[256];
};

#endif

trie.cpp

#include "trie.h"
using namespace std;

unsigned int Trie::hash(unsigned char cchar, int len)
{
     return cchar % len;
}

int Trie::add(char *str)
{
     int hash_code = hash((unsigned char)(*str), 256);
     search_tree_add(T[hash_code], str, 1);
     return 1;
}
   
int Trie::prefix_in_tree(char *str)
{
    return prefix_in_tree(*(T + (unsigned char)(*str)), str, 1);
}

void Trie::search_tree_add(search_tree *&s_tree, char *str, int level)
{
    search_tree *cur = NULL;
    if (s_tree == NULL)
    {
        s_tree = new search_tree(level + 1);
        s_tree->cchar = *str;
        cur = s_tree;
    }
    else
    {
        if (s_tree->cchar != *str)
        {
            s_tree->next = new search_tree(level + 1);
            s_tree->next->cchar = *str;
            cur = s_tree->next;
       }
      else
           cur = s_tree;
    }
 
     if (*(str + 1) == '/0')
     {
         cur->word = true;
         return;
     }
 
    int hash_code = hash(*(str + 1), sub_size(level + 1));
    search_tree_add(cur->sub_tree[hash_code], str + 1, level + 1);  
    return;
}   

int Trie::prefix_in_tree(search_tree *s_tree, char *str, int level)
{   
    if (s_tree == NULL || *str == '/0')
    return 0;

    int hash_code;

    for (search_tree *cur = s_tree; cur != NULL; cur = cur->next)
    {
        if (cur->cchar == *str)
        {
             if (cur->word)
             return level;
   
             hash_code = hash(*(str + 1), sub_size(level + 1));
             return prefix_in_tree(cur->sub_tree[hash_code], str + 1, level + 1);
        }
    }
       
    return 0;
}

void Trie::search_tree_delete(search_tree *s_tree, int level)
{
    if (s_tree == NULL)
        return;

    search_tree_delete(s_tree->next, level);
     int len = sub_size(level + 1);
     for (int i = 0; i < len; i++)
     {
         search_tree_delete(s_tree->sub_tree[i], level + 1);
     }
     delete s_tree;
}

【NodeRed】node-red-contrib-opcua实现PLC读写 在之前的博文【Node-RED】node-red-contrib-opcua-server模块使用(1)中,我们介绍了用node-red-contrib-opcua-server模块实现OPCUA服务端的,以及二次开发的内容。本节博文中我们采用官方社区自带的node-red-contrib-opcua组件开展对OPCUA客户端的介绍,详细阐述用该组件中OpcUa-Client节点实现客户端对PLC的读写,以及实现过程中遇到的问题。由于官方社区中并没有找到该组件的介绍实例,这也是本博文编写的第1个原因。 阅读详情

相关推荐

基于双向GRU LSTM DNN水电站水文数据的每日径流量预测 完整代码+数据 可直接运行

基于双向GRU LSTM DNN水电站水文数据的每日径流量预测 完整代码+数据 可直接运行

1887

实现 Trie (前缀树)

初始化为 O(1),其余操作为O(|S|),其中|S|是每次插入或查询的字符串的长度。重复以上步骤,直到处理字符串的最后一个字符,然后将当前节点标记为字符串的结尾。若搜索到了前缀的末尾,就说明字典树中存在该前缀。数组的对应位置上,然后沿着指针移动到子节点,继续搜索下一个字符。对于本题而言,数组长度为 26,即小写英文字母的数量。重复以上步骤,直到返回空指针或搜索完前缀的最后一个字符。沿着指针移动到子节点,继续处理下一个字符。沿着指针移动到子节点,继续搜索下一个字符。,其中|T|为所有插入字符串的长度之和,

weixin_36670529的博客 1226

trie树的实现(C)

trie.c中定义了trie树的操作函数; trie.h为相应的头文件; test.c用于测试相关的函数。 在trie.c中,关于查找定义了两个函数,一个是find(),一个search(),二者的区别是,前者仅判断一个字符串是否在树中出现,而后者除了判断字符串是否出现,还会判断待查找的字符串是否是一个合法的单词。

Trie树的实现

Trie树是保存字符串公共前缀信息的数据结构,可用于字符串多模匹配,普通的非压缩Trie实现如下 第一种实现:每个分支节点使用map标准库容器保存前缀索引 #include <map> #include <stack> #include <vector> #include <string> #include <iostream> #include <random> using namespace std; enum Compa

naturerun的博客 682

字典树(Trie树)两种实现方式详解

字典树(Trie树)又称单词查找树、前缀树。一般采用二维数组或Java链表两种实现方法实现字典树,查找单词最小前缀。以leetcode题目648. 单词替换 为例实现代码https://leetcode.cn/problems/replace-words

lranqi的博客 1972

TRIE字典树实现:400行】(模糊匹配 | AC自动机 | 多模式匹配 | 串排序 | 词频计数 | 相似度分析 | RAII模式 | 前缀比较 )

取代传统的pair< return_type, bool > 检索返回类型。范围库相关标准设施在代码简化的重要作用。中智能指针所有权的转交。使得代码较大程度复用。

RFoer的博客 1763

字典树介绍以及C++实现

字典树(Trie),又称为前缀树或单词查找树,是一种树形数据结构,主要用于存储具有相同前缀的字符串集合。它特别适合用于词典中的单词查找、自动补全、拼写检查等应用。

琅嬛福地 1406

一个通用的Trie树,标准C++实现

1 Trie简介        Trie树,又称单词查找树或键树,是一种树形结构,是一种哈希树的变种。典型应用是用于统计和排序大量的字符串(但不仅限于字符串),所以经常被搜索引擎系统用于文本词频统计。它的优点是:最大限度地减少无谓的字符串比较,查询效率比哈希表高。         在本文中,对于输入的进行序列化,比如输入“单词查找树”,序列化为“单/词/查/找/树”,这样可以进行任何一种自

Harry的专栏 6460

lintcode 实现一个 Trie

实现一个 Trie,包含 insert, search, 和 startsWith 这三个方法。  注意事项 你可以假设所有的输入都是小写字母a-z。 您在真实的面试中是否遇到过这个题?  Yes 样例 insert("lintcode") search("code") // return false startsWith("li

孤竹的博客 662

一个简单的Trie实现

header file #ifndef TRIE_H_INCLUDED #define TRIE_H_INCLUDED #include<stdio.h> #include<malloc.h> typedef struct trie { int words; int prefixes; struct trie *edges[26]; } tri...

weixin_30539835的博客 94

一个Trie树的实现

Trie实现代码: // Max branch number. Such as 26 for lower case letter set, 10 for digit character set. const int MAX_BRANCH_NUM = 26; // Node of Trie Tree class CTrieNode { public: CTrieNode(

计算机的艺术 2510

一个Trie树的简单实现

/*trial 树*/

随便记点东西 832

树的算法-实现一个Trie

leetcode208:实现一个前缀树 思路 前缀是也是一个树,结点包括两个属性,当前结点值value属性,下一个结点(这是一颗非二叉树,所以任意一个结点的子节点有26种可能,用Trie类型字符数组表示)。 但是在search的时候还要判断当前结点是不是叶子结点,所以有第三个属性—判断是否是最后一个结点 insert(word)传入一个单词后构造前缀树的时候,将字符串word转化成字符数组...

weixin_42460304的博客 192

676. 实现一个魔法字典 : 结合 DFS 的 Trie 运用题

题目描述 这是 LeetCode 上的 「676. 实现一个魔法字典」 ,难度为 「中等」。 Tag : 「字典树」、「DFS」 设计一个使用单词列表进行初始化的数据结构,单词列表中的单词 互不相同 。 如果给出一个单词,请判定能否只将这个单词中一个字母换成另一个字母,使得所形成的新单词存在于你构建的字典中。 实现 MagicDictionary 类: MagicDictionary() 初始化对象void buildDict(String[] dictionary) 使用字符串数组 

宫水三叶的刷题日记 138

Trie字典树的一个实现

今天看到Trie的原理,想到以前面试遇到的一个没回答上的问题,写段代码试一下。Trie典型应用是用于统计和排序、查询大量的字符串(但不仅限于字符串),所以经常被搜索引擎系统用于文本的词频统计等。若关键字长度最大是5,则利用trie树,利用5次比较可以从26^5=11881376个可能的关键字中检索出指定的关键字。而利用二叉查找树至少要进行 log2n 次比较。如果想要计算词频...

weixin_33843947的博客 160

2021-07-06实现一个trie

力扣 class Trie { public: /** Initialize your data structure here. */ Trie() { isEnd = false; memset(next,0,sizeof(next)); } /** Inserts a word into the trie. */ void insert(string word) { Trie* cur = this;

weixin_45792025的博客 62

marisa-trie——一个基于高效Trie实现的快速高效字符串压缩存储、查询匹配工具实践

marisa-trie——一个基于高效Trie实现的快速高效字符串压缩存储、查询匹配工具实践

Together_CZ的博客 1855

最新更新!中国省市县-人口密度数据(2000-2023年)

## 介绍人口密度是衡量一个地区人口分布的基本指标,通常表示为单位面积内的居民数量,人口密度的变化可以反映出区域内人口流动、经济发展、城市化等多方面的趋势,对于研究区域发展、资源分配、社会经济活动等具有重要意义## 一、中国各省市县人口密度数据的介绍数据年份:2000-2023年数据范围:省、市、区县三个版本数据格式:面板数据原始来源:LandScan## 二、数据指标

上一篇: 第一千个昼夜
下一篇: 再见大四
sea702
博客等级 码龄21年 3粉丝 22原创
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值