python 字典树（前缀树）基本操作：插入，删除、查找
python实现字典树
前言
trie 树 也叫字典树，也是一种 N 叉树，是一种特殊的前缀树结构。通常来说，一个前缀树是用来存储字符串的。前缀树的每一个节点代表一个字符串（前缀）。每一个节点会有多个子节点，通往不同子节点的路径上有着不同的字符。子节点代表的字符串是由节点本身的原始字符串，以及通往该子节点路径上所有的字符组成的。
前缀树的一个重要的特性是，节点所有的后代都与该节点相关的字符串有着共同的前缀。这就是前缀树名称的由来。
实现
1 # coding=utf-8 2 #字典嵌套牛逼,别人写的,这样每一层非常多的东西,搜索就快了,树高26.所以整体搜索一个不关多大的单词表,还是O(1). 3 4 ''' 5 Python 字典 setdefault() 函数和get() 方法类似, 如果键不存在于字典中，将会添加键并将值设为默认值。 6 主要在于当查找的键值 key 不存在的时候，setdefault()函数会返回默认值并更新字典，添加键值；而 get() 函数只返回默认值，并不改变原字典。 7 简化了字典计数的代码.并且这个函数的返回值是做完这些事情之后这个key的value值. 8 dict.setdefault(key, default=None) 9 Python 字典 get() 函数返回指定键的值，如果值不在字典中返回默认值。 10 dict.get(key, default=None) 11 ''' 12 13 14 class Trie: 15 root = {} 16 END = '/' # 加入这个是为了区分单词和前缀,如果这一层node里面没有/他就是前缀.不是我们要找的单词. 17 18 def insert(self, word): 19 # 从根节点遍历单词,char by char,如果不存在则新增,最后加上一个单词结束标志 20 node = self.root 21 for c in word: 22 """ 23 利用嵌套来做,一个trie树的子树也是一个trie树. 24 利用setdefault的返回值是value的特性,如果找到了key就进入value 25 没找到,就建立一个空字典 26 """ 27 node = node.setdefault(c, {}) 28 node[self.END] = None 29 # 当word都跑完了,就已经没有字了.那么当前节点也就是最后一个字母的节点 30 # 加一个属性标签end.这个end里面随意放一个value即可.因为我们只是判定end这个key是否在字典里面. 31 # 考虑insert 同一个单词2次的情况,第二次insert 这个单词的时候,因为用setdefault 32 # insert里面的话都不对原字典进行修改.正好是我们需要的效果. 33 # 这个self.END很重要,可以作为信息来存储.比如里面可以输入这个单词的 34 # 起源,发音,拼写,词组等作为信息存进去.找这个单词然后读出单词的信息. 35 36 def delete(self, word): # 字典中删除word 37 node = self.root 38 for c in word: 39 if c not in node: 40 print('字典中没有不用删') 41 return False 42 node = node[c] 43 # 如果找到了就把'/'删了 44 del node['/'] 45 # 后面还需要检索一遍,找一下是否有前缀的后面没有单词的.把前缀的最后一个字母也去掉.因为没单词了,前缀也没意义存在了. 46 # 也就是说最后一个字母这个节点,只有'/',删完如果是空的就把这个节点也删了. 47 while node == {}: 48 if word == '': 49 return 50 tmp = word[-1] 51 word = word[:-1] 52 node = self.root 53 for c in word: 54 node = node[c] 55 del node[tmp] 56 57 def search(self, word): 58 node = self.root 59 for c in word: 60 if c not in node: 61 return False 62 node = node[c] 63 return self.END in node 64 65 def associate_search(self, pre): # 搜索引擎里面的功能是你输入东西,不关是不是单词,他都输出以这个东西为前缀的单词. 66 node = self.root 67 for c in pre: 68 if c not in node: 69 return [] # 因为字典里面没有pre这个前缀 70 node = node[c] # 有这个前缀就继续走,这里有个问题就是需要记录走过的路径才行. 71 # 运行到这里node就是最后一个字母所表示的字典. 72 # 举一个栗子:图形就是{a,b,c}里面a的value是{b,c,d} d的value是{/,e,f} 那么/代表的单词就是ad,看这个形象多了 73 # 首先看这个字母所在的字典有没有END,返回a这个list 74 75 # 然后下面就是把前缀是pre的单词都加到a里面. 76 # 应该用广度遍历,深度遍历重复计算太多了.好像深度也很方便,并且空间开销很小. 77 # 广度不行,每一次存入node,没用的信息存入太多了.需要的信息只是这些key是什么,而不需要存入node. 78 # 但是深度遍历,又需要一个flag记录每个字母.字典的key又实现不了. 79 # 用函数递归来遍历:只能先用这个效率最慢的先写了 80 # 因为你遍历一直到底,到底一定是'/'和None.所以一定travel出来的是单词不是中间结果. 81 def travel(node): # 返回node节点和他子节点拼出的所有单词 82 if node == None: 83 return [''] 84 a = [] # 现在node是/ef 85 86 for i in node: 87 tmp = node[i] 88 tmp2 = travel(tmp) 89 for j in tmp2: 90 91 a.append(i + j) 92 return a 93 94 output = travel(node) 95 for i in range(len(output)): 96 output[i] = (pre + output[i])[:-1] 97 return output 98 99 100 101 a = Trie() 102 a.insert('apple') 103 a.insert('appl') 104 a.insert("badj") 105 print(a.root) 106 print(a.associate_search('ap')) 107 a.delete('apple') 108 print(a.search('apple'))
例题：
