Scrabble word finder：使用trie构建trie，存储trie？

Question

我正在尝试做什么：

• 构建一个移动网络应用程序，用户可以在玩拼字游戏时找到要播放的文字
• 用户通过输入任意数量的字母和0个或更多通配符来获取字词建议

我是如何尝试这样做的：

• 将MySQL数据库与包含超过400k字词的词典一起使用
• 将ASP.NET与C＃一起用作服务器端编程语言
• 使用HTML5，CSS和Javascript

我目前的计划：

• 使用数据库中的所有单词构建Trie，以便根据用户字母/通配符输入快速准确地搜索单词

如果你不能执行计划就没有好处，这就是我需要帮助的地方：

• 如何从数据库构建Trie？ （更新：我想使用我的数据库中已有的单词生成一个Trie，完成之后我不再使用数据库进行单词匹配了）
• 如何存储Trie以便快速轻松地访问？ （更新：所以我可以删除我的数据库）
• 如何使用C＃根据字母和通配符使用Trie搜索单词？

最后：
非常感谢任何帮助，我仍然是C＃和MySQL的初学者，所以请保持温和

非常感谢你！

Answer 1

首先，让我们来看一下问题的限制。您希望在有效支持“anagram”问题的数据结构中存储游戏的单词列表。也就是说，给定一个n个字母的“机架”，单词列表中可以从该机架制作的所有n个或更少字母的单词是什么。单词列表将是大约400K字，因此在未压缩时可能大约有一到十兆字符串数据。

trie是用于解决此问题的经典数据结构，因为它结合了内存效率和搜索效率。使用大约400K字合理长度的单词列表，您应该能够将trie保留在内存中。 （与使用b-tree类型的解决方案相反，在这种解决方案中，您将大部分树保留在磁盘上，因为它太大而无法同时存储在内存中。）

trie基本上只是一个26-ary树（假设你使用的是罗马字母），其中每个节点都有一个字母，每个节点上有一个额外的位，表示它是否是单词的结尾。

因此，让我们草拟数据结构：

class TrieNode
{
    char Letter;
    bool IsEndOfWord;
    List<TrieNode> children; 
}

这当然只是一幅草图;你可能想让它们具有适当的属性访问器和构造函数等等。也许，平面列表可能不是最好的数据结构;也许某种字典更好。我的建议是先让它工作，然后衡量它的性能，如果它是不可接受的，那么试着做一些改进来改善它的性能。

你可以从一个空的特里开始：

TrieNode root = new TrieNode('^', false, new List<TrieNode>());

也就是说，这是表示单词开头的“root”trie节点。

如何添加单词“AA”，拼字游戏字典中的第一个单词？好吧，首先为第一个字母创建一个节点：

root.Children.Add('A', false, new List<TrieNode>());

好的，我们的特里现在是

^
|
A

现在为第二个字母添加一个节点：

root.Children[0].Children.Add(new trieNode('A', true, new List<TrieNode>()));

我们的特里现在

^
|
A
|
A$   -- we notate the end of word flag with $

大。现在假设我们想要添加AB。我们已经有一个“A”节点，所以添加“B $”节点：

root.Children[0].Children.Add(new trieNode('B', true, new List<TrieNode>());

现在我们有了

    ^
    |
    A
   / \
  A$   B$

继续这样做。当然，不是写“root.Children [0] ...”而是编写一个循环来搜索trie以查看你想要的节点是否存在，如果不存在，则创建它。

将你的trie存储在磁盘上 - 坦率地说，我只是将单词列表存储为纯文本文件，并在需要时重建trie。它不应该超过30秒左右，然后你可以在内存中重复使用trie。如果你想以某种更像trie的格式存储trie，那么编写序列化格式应该不难。

要搜索trie以匹配机架，我们的想法是探索trie的每个部分，但要删除机架无法匹配的区域。如果机架上没有任何“A”，则无需关闭任何“A”节点。我在上一个问题中概述了搜索算法。

我已经实现了一个功能风格的持久性trie，我一直想写博客一段时间，但从未接触过它。如果我最后发布，我会更新这个问题。