用于搜索文件名称并获取其路径的数据结构

Question

我将以动态的方式插入文件名，大约有10亿个名字。此外，我还想存储文件所在的路径，以便进行以下查询：

• 搜索文件的名称以便获取其路径。
• 搜索与子字符串匹配的所有文件的名称，有点像查询（例如，如果搜索* o *，它将返回我joel，hola，ola，oso，osea，algo，if a搜索aa *，它会返回我aaab，如果我搜索* so，它将返回oso）。
• 删除文件名。

所以，我试图通过以下方式构建一种trie数据结构：

我有26个节点（英文字母a-z，我不打算将所有节点放在图像中因为空间），这样如果我插入单词＆＃34; hola＆＃34;然后我用节点创建了一个带有字母＆＃39; h＆＃39;用字母＆＃39; o＆＃39;并且其边缘具有数据1，因为该数字表示深度的级别。此外，在＆＃39; a＆＃39;存储，我将有一个地图结构，以存储文件的路径，这是因为我肯定会有很多路径存储在节点中，其中包含字母＆＃39; a＆＃39;。

话虽如此，我插入了以下词语：joel，hola，ola，oso，osea，algo，aaab。

我之所以这样做，是因为我不希望有很多带有sama lettres的节点（例如a，b等），但问题是我有很多边缘和sctructure需要

内存字节（我用C ++编程），其中w是一个大小为的字符串。

正如你所看到的，如果我搜索文件的名称＆＃34; jola＆＃34; （未插入）将不返回任何路径，这告诉我们不存储此类文件。

  

我该如何改进？是否可以减少边缘数量？还是有更好的结构和方法来做到这一点？我很乐意听到任何建议。

Answer 1

过去，我已经解决了一个有点类似的问题，用于存储填字游戏的单词表，并且很快找到单词。我称它为“超级索引”。我的主要目标是速度，而不是存储大小，但最初的问题并未说明作者认为什么是“改进”：也许是大小，也许是速度，也许是算法复杂性。我的方法以相对较小的复杂性获得了惊人的速度，但是在存储大小上却节省了相当多的时间。方法如下：

1. 使用树而不是图形。树中的每个节点最多可包含26个“条目”。每个条目代表字母字母，并包含一个到子节点的链接，或者，如果该条目属于叶节点，则到“有效载荷”（在您的情况下为“路径”）的链接。因此，当节点包含给定字母的条目时，这表示存在一个在该位置具有该字母的“名称”。 （位置是树中节点的深度。）

2. 按名称长度将所有名称分开，因为这很容易确定。为每个名称长度使用完全独立的树。这意味着在每棵树中，所有叶节点的深度都完全相同，并且树中唯一包含其他数据（在您的情况下为路径）的节点是叶节点。这使事情变得非常简单。

因此，搜索算法如下：

1. 在所有具有不同名称长度的不同树中，使用与要搜索的“名称”长度相对应的树。
2. 从您要查找的“名称”的第一个字母开始，并在树的根节点处。
3. 在当前节点中找到当前字母的条目；如果不存在这样的条目，则找不到名称，完成。否则：
4. 如果到达叶节点，则找到名称，返回有效载荷，在您的情况下为“路径”。否则：
5. 移至您要查找的单词的下一个字母；跟随从当前节点中找到的条目到下一个子节点的链接；转到步骤3。

如您所见，这是一个相当简单的算法，而且可以保证非常快。如果没有进一步的优化，则每个存储名称的存储要求将约为一个“条目”，而一个“条目”将由一个字符和一个指针组成。

然后，可以进行多种优化。例如，“ entry”（入口）在推理数据结构时可能是有用的概念，但在实际实现中可以完全消除：在每个节点中，您可以有一个“摘要” 32位机器字，其中每个前26位指示节点中是否存在相应的字母，然后是指向子节点（或有效负载）的指针数组，该子节点包含的元素与摘要字中设置的位一样多。

Answer 2

你既可以使用DAG（有向无环图），也可以使用不相交的集合操作技术（快速查找技术（*主要目标是查找））