【天天数据结构和算法】PHP中trie数据结构的使用场景和代码实例
一、trie介绍
Trie树,又称字典树,单词查找树或者前缀树,是一种用于快速检索的多叉树结构,如英文字母的字典树是一个26叉树,数字的字典树是一个10叉树。
Trie一词来自retrieve,发音为/tri:/ “tree”,也有人读为/traɪ/ “try”。
Trie树可以利用字符串的公共前缀来节约存储空间。如下图所示,该trie树用10个节点保存了6个字符串tea,ten,to,in,inn,int。
在该trie树中,字符串in,inn和int的公共前缀是“in”,因此可以只存储一份“in”以节省空间。当然,如果系统中存在大量字符串且这些字符串基本没有公共前缀,则相应的trie树将非常消耗内存,这也是trie树的一个缺点。
Trie树的基本性质可以归纳为:
(1)根节点不包含字符,除根节点意外每个节点只包含一个字符。
(2)从根节点到某一个节点,路径上经过的字符连接起来,为该节点对应的字符串。
(3)每个节点的所有子节点包含的字符串不相同。
二、trie的优点
1.查找或匹配字符串时 时间复杂度只和树的深度有关,和节点数量无关。
2.所以,在查找海量数据,或匹配数据,或过滤数据中有很好的实现。
三、php代码实现
Trie.php
<?php /** * Created by PhpStorm. * User: jysdhr * Date: 2017/7/4 * Time: 9:57 * Description:PHP实现trie字典数据结构 */ include "TrieNode.php"; class Trie { private $root; public function __construct() { $this->root = new TrieNode(); } public function foreach_trie() { echo "<pre>"; print_r($this->root); } public function insert($str) { $this->__insert($this->root, $str); } public function search(string $str): bool { return $this->__search($this->root, $str); } private function __insert(&$node, $str) { if (strlen($str) == 0) return; //第一个字符,插入哪一个分叉 $k = ord(substr($str, 0, 1)) - ord('a'); if (!isset($node->childs[$k]) || $node->childs[$k] == NULL) { //如果分叉不存在则重新开辟分叉 $node->childs[$k] = new TrieNode(); //记录字符 $node->childs[$k]->nodeChar = $k; $node->childs[$k]->is_end = strlen($str) == 1 ? true : false; } $nextWord = substr($str, 1); $this->__insert($node->childs[$k], $nextWord); } /** * @Description:查找str是否存在树中 * @User:jysdhr */ private function __search($node, $str) { if (strlen($str) == 0) return false; //首先对str进行拆分 $k = ord(substr($str, 0, 1)) - ord('a'); if (isset($node->childs[$k])) { $nextWord = substr($str, 1); if (strlen($str) == 1) { //匹配最后一个字符 if ($node->childs[$k]->is_end) return true; } return $this->__search($node->childs[$k], $nextWord); } return false; } }
TrieNode.php
<?php /** * Created by PhpStorm. * User: jysdhr * Date: 2017/7/4 * Time: 10:01 * Description: */ class TrieNode { public $nodeChar,$childs,$is_end; public function __construct() { $this->childs = array(); } }
testTrie.php
<?php // 测试文件demo.php include "Trie.php"; $str = file_get_contents('bbe.txt');//将整个文件内容读入到一个字符串中 $badword = explode(" ", $str);//转换成数组 $trie = new Trie(); foreach ($badword as $word) $trie->insert($word); // array_combine() 函数通过合并两个数组来创建一个新数组,其中的一个数组是键名,另一个数组的值为键值。如果其中一个数组为空,或者两个数组的元素个数不同,则该函数返回 false。 // array_fill() 函数用给定的值填充数组,返回的数组有 number 个元素,值为 value。返回的数组使用数字索引,从 start 位置开始并递增。如果 number 为 0 或小于 0,就会出错。 //$badword1 = array_combine($badword,array_fill(0,count($badword),'*')); $test_str = 'knowledgeasdad'; $start_time = microtime(true); var_dump(in_array($test_str,$badword)); $end_time = microtime(true); echo ($end_time-$start_time).'</br>'; $start_time1 = microtime(true); var_dump($trie->search($test_str)); $end_time1 = microtime(true); echo ($end_time1-$start_time1).'</br>'; $start_time2 = microtime(true); foreach ($badword as $value){ if ($value == $test_str){ echo '1'; break; } } $end_time2 = microtime(true); echo ($end_time2-$start_time2).'</br>'; ?>
以上是匹配圣经中的一个单词的实例,in_array是遍历匹配 ,当匹配单词越晚出现,耗时越久,当匹配单词不存在时,耗时不可接受。
trie的表现比较稳定,无论是否存在,或匹配单词出现的早晚都与运行时间无太大影响,只与单词长度有关。(效果最好,最稳定)
遍历查找基本与in_array效果相当。
四、总结
所以在项目开发中,在做到敏感词屏蔽,统计词频,字典等功能时,可以考虑运用trie数据结构生成一个trie树序列化存储起来,待更新词库时重新维护trie树,是不是觉得也不是很困难呢,加油。