Ordet ' Prøv 'er et uddrag af ordet' hentning '. Trie er en sorteret træbaseret datastruktur, der gemmer sættet af strenge. Den har antallet af pointere svarende til antallet af tegn i alfabetet i hver knude. Den kan søge efter et ord i ordbogen ved hjælp af ordets præfiks. For eksempel, hvis vi antager, at alle strenge er dannet ud fra bogstaverne ' -en ' til ' Med ' i det engelske alfabet kan hver prøveknude have et maksimum på 26 point.
slette filen i java
Trie er også kendt som det digitale træ eller præfikstræ. Placeringen af en node i Trie bestemmer den nøgle, som den node er forbundet med.
Egenskaber for Trie for et sæt af strengen:
- Trieens rodknude repræsenterer altid nulknuden.
- Hvert barn af noder er sorteret alfabetisk.
- Hver node kan maksimalt have 26 børn (A til Z).
- Hver node (undtagen roden) kan gemme et bogstav i alfabetet.
Diagrammet nedenfor viser en trie-repræsentation for klokken, bjørnen, boringen, bat, bold, stop, stock og stak.
Grundlæggende betjening af Trie
Der er tre operationer i Trie:
- Indsættelse af en node
- Søger en node
- Sletning af en node
Indsæt en node i Trie
Den første operation er at indsætte en ny node i forsøget. Før vi starter implementeringen, er det vigtigt at forstå nogle punkter:
- Hvert bogstav i indtastningsnøglen (ordet) indsættes som et individ i Trie_node. Bemærk, at børn peger på det næste niveau af Trie noder.
- Nøglekarakterarrayet fungerer som et indeks over børn.
- Hvis den nuværende node allerede har en reference til det nuværende bogstav, skal du indstille den nuværende node til den refererede node. Ellers skal du oprette en ny node, indstille bogstavet til at være lig med det nuværende bogstav, og endda starte den nuværende node med denne nye node.
- Tegnlængden bestemmer dybden af forsøget.
Implementering af indsæt en ny node 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]="=" '