我正在尝试使用方法addWord()，isWord()和isPrefix()来实现Patricia Trie，以便存储大型单词词典以便快速检索（包括前缀搜索） ）。我已经阅读了这些概念，但他们只是没有澄清实现。我想知道（在Java或Python代码中）如何实现Trie，特别是节点（或者我应该递归地实现它）。我看到一个人用26个子节点的数组设置为null / None来实现它。是否有更好的策略（例如将字母视为位）以及如何实现它？
答案 0 :(得分：10)
其他人问了一个关于Patricia尝试的问题，之前我想过制作一个Python实现，但这次我决定实际尝试一下（是的，这是太过分了，但它似乎是一个很好的小项目）。我所做的可能不是纯粹的Patricia trie实现，但我更喜欢我的方式。其他Patricia尝试（在其他语言中）只为孩子使用一个列表并检查每个孩子是否有匹配，但我认为这是相当低效的，所以我使用词典。这基本上就是我如何设置它：
我将从根节点开始。根只是一本字典。字典具有通向分支的所有单个字符（单词的第一个字母）的键。与每个键对应的值是列表，其中第一项是字符串，其给出与该trie的该分支匹配的字符串的其余部分，并且第二项是从该节点导致进一步分支的字典。这个字典也有单个字符键，与单词其余部分的第一个字母对应，然后进程沿着trie继续。
我应该提到的另一件事是，如果一个给定的节点有分支，但也是trie本身的一个单词，那么通过在字典中有一个''键来指示一个带有该节点的节点。列出['',{}]。
这是一个小例子，显示了如何存储单词（根节点是变量_d）：
>>> x = patricia()
>>> x.addWord('abcabc')
>>> x._d
{'a': ['bcabc', {}]}
>>> x.addWord('abcdef')
>>> x._d
{'a': ['bc', {'a': ['bc', {}], 'd': ['ef', {}]}]}
>>> x.addWord('abc')
{'a': ['bc', {'a': ['bc', {}], '': ['', {}], 'd': ['ef', {}]}]}
请注意，在最后一种情况下，在字典中添加了一个''键，表示'abc'是除'abcdef'和'abcabc'之外的单词。
源代码
class patricia():
def __init__(self):
self._data = {}
def addWord(self, word):
data = self._data
i = 0
while 1:
try:
node = data[word[i:i+1]]
except KeyError:
if data:
data[word[i:i+1]] = [word[i+1:],{}]
else:
if word[i:i+1] == '':
return
else:
if i != 0:
data[''] = ['',{}]
data[word[i:i+1]] = [word[i+1:],{}]
return
i += 1
if word.startswith(node[0],i):
if len(word[i:]) == len(node[0]):
if node[1]:
try:
node[1]['']
except KeyError:
data = node[1]
data[''] = ['',{}]
return
else:
i += len(node[0])
data = node[1]
else:
ii = i
j = 0
while ii != len(word) and j != len(node[0]) and \
word[ii:ii+1] == node[0][j:j+1]:
ii += 1
j += 1
tmpdata = {}
tmpdata[node[0][j:j+1]] = [node[0][j+1:],node[1]]
tmpdata[word[ii:ii+1]] = [word[ii+1:],{}]
data[word[i-1:i]] = [node[0][:j],tmpdata]
return
def isWord(self,word):
data = self._data
i = 0
while 1:
try:
node = data[word[i:i+1]]
except KeyError:
return False
i += 1
if word.startswith(node[0],i):
if len(word[i:]) == len(node[0]):
if node[1]:
try:
node[1]['']
except KeyError:
return False
return True
else:
i += len(node[0])
data = node[1]
else:
return False
def isPrefix(self,word):
data = self._data
i = 0
wordlen = len(word)
while 1:
try:
node = data[word[i:i+1]]
except KeyError:
return False
i += 1
if word.startswith(node[0][:wordlen-i],i):
if wordlen - i > len(node[0]):
i += len(node[0])
data = node[1]
else:
return True
else:
return False
def removeWord(self,word):
data = self._data
i = 0
while 1:
try:
node = data[word[i:i+1]]
except KeyError:
print "Word is not in trie."
return
i += 1
if word.startswith(node[0],i):
if len(word[i:]) == len(node[0]):
if node[1]:
try:
node[1]['']
node[1].pop('')
except KeyError:
print "Word is not in trie."
return
data.pop(word[i-1:i])
return
else:
i += len(node[0])
data = node[1]
else:
print "Word is not in trie."
return
__getitem__ = isWord
您可能已经注意到，最后我将__getitem__设置为isWord方法。这意味着
x['abc']
将返回trie中是否为'abc'。
我认为也许我应该创建一个模块并将其提交给PyPI，但它需要更多的测试，至少需要一个removeWord方法。如果你发现任何错误让我知道，但它似乎工作得很好。此外，如果你看到效率有任何重大改进，我也想听听他们。我考虑过在每个分支的底部都有空字典，但我现在就离开了。这些空字典可以替换为链接到单词的数据，以扩展实现的用途。
无论如何，如果你不喜欢我实现它的方式，至少可能会给你一些关于你如何实现自己版本的想法。
答案 1 :(得分：2)
这是使用更多pythonic方法的递归实现：
def matching_prefix_index(word1, word2):
max_len = min(len(word1),len(word2))
for i in range(max_len):
if word2[i] != word1[i]:
return i
return max_len
class PatriciaTrie(object):
def __init__(self):
self._storage = {}
self._complete_prefix_flag = False
def _find_storage_key(self, word):
for key in self._storage:
prefix_index = matching_prefix_index(key, word)
if prefix_index > 0:
return (key, prefix_index)
return (None, None)
def add(self, word):
if word == '':
self._complete_prefix_flag = True
return True
key, prefix_index = self._find_storage_key(word)
if key is not None:
if prefix_index == len(key):
return self._storage[key].add(word[len(key):])
else:
new_tree = PatriciaTrie()
new_tree._storage[key[prefix_index:]] = self._storage.pop(key)
self._storage[key[0:prefix_index]] = new_tree
return new_tree.add(word[prefix_index:])
else:
self._storage[word] = PatriciaTrie()
self._storage[word].add('')
return True
def remove(self, word):
if word == '':
self._complete_prefix_flag = False
return True
key, prefix_index = self._find_storage_key(word)
if key is None or prefix_index != len(key):
return False
subword = word[prefix_index:]
subtrie = self._storage[key]
if subtrie.remove(subword):
if (not subtrie._complete_prefix_flag) and len(subtrie._storage) == 0:
self._storage.pop(key)
return True
else:
return False
def __contains__(self, word):
if word == '':
return self._complete_prefix_flag
key, prefix_index = self._find_storage_key(word)
if key is None or prefix_index != len(key):
return False
else:
return (word[prefix_index:] in self._storage[key])
def has_prefix(self, word):
if word == '':
return True
key, prefix_index = self._find_storage_key(word)
if key is None:
return False
elif len(key) > len(word):
return (prefix_index == len(word))
elif len(key) != prefix_index:
return False
else:
return self._storage[key].has_prefix(word[prefix_index:])