转载自：/tanky_woo/archive//09/24/1833717.html
字典树（讲解+模版）
又称单词查找树，Trie树，是一种树形结构，是一种哈希树的变种。典型应用是用于统计，排序和保存大量的字符串（但不仅限于字符串），所以经常被搜索引擎系统用于文本词频统计。它的优点是：利用字符串的公共前缀来节约存储空间，最大限度地减少无谓的字符串比较，查询效率比哈希表高。
字典树与字典很相似,当你要查一个单词是不是在字典树中,首先看单词的第一个字母是不是在字典的第一层,如果不在,说明字典树里没有该单词,如果在就在该字母的孩子节点里找是不是有单词的第二个字母,没有说明没有该单词,有的话用同样的方法继续查找.字典树不仅可以用来储存字母,也可以储存数字等其它数据。
Trie的数据结构定义：
#define MAX26
typedef struct Trie
{
Trie * next[MAX];
int v; // 根据需要变化
};
Trie * root;
next是表示每层有多少种类的数，如果只是小写字母，则26即可，若改为大小写字母，则是52，若再加上数字，则是62了，这里根据题意来确定。
v可以表示一个字典树到此有多少相同前缀的数目，这里根据需要应当学会自由变化。
Trie的查找（最主要的操作）：
(1) 每次从根结点开始一次搜索；
(2) 取得要查找关键词的第一个字母，并根据该字母选择对应的子树并转到该子树继续进行检索； (3) 在相应的子树上，取得要查找关键词的第二个字母,并进一步选择对应的子树进行检索。
(4) 迭代过程……
(5) 在某个结点处，关键词的所有字母已被取出，则读取附在该结点上的信息，即完成查找。
这里给出生成字典树和查找的模版：
生成字典树：
void createTrie( char * str)
{
int len = strlen(str);
Trie * p = root, * q;
for ( int i = 0 ;i < len; ++ i)
{
int id = str[i] - ' 0 ' ;
if (p -> next[id] == NULL)
{
q = (Trie * )malloc( sizeof (Trie));
q -> v = 1 ; // 初始v==1
for ( int j = 0 ;j < MAX; ++ j)
q -> next[j] = NULL;
p -> next[id] = q;
p = p -> next[id];
}
else
{
p -> next[id] -> v ++ ;
p = p -> next[id];
}
}
p -> v = - 1 ; // 若为结尾，则将v改成-1表示
}
接下来是查找的过程了：
int findTrie( char * str)
{
int len = strlen(str);
Trie * p = root;
for ( int i = 0 ;i < len; ++ i)
{
int id = str[i] - ' 0 ' ;
p = p -> next[id];
if (p == NULL) // 若为空集，表示不存以此为前缀的串
return 0 ;
if (p -> v == - 1 ) // 字符集中已有串是此串的前缀
return - 1 ;
}
return 1 ; // 此串是字符集中某串的前缀
}
对于上述动态字典树，有时会超内存，比如HDOJ 1671 Phone List，这是就要记得释放空间了：
int dealTrie(Trie * T)
{
int i;
if (T == NULL)
return 0 ;
for (i = 0 ;i < MAX;i ++ )
{
if (T -> next[i] != NULL)
dealTrie(T -> next[i]);
}
free(T);
return 0 ;
}
题目分析+解答报告：
HDOJ 1251 统计难题：
/?p=1364
HDOJ 1671 Phone List
/?p=1366
这里还有几个字典树的相关资料，我上传了RaySource里了，顺便和大家分享下：
算法合集之《浅析字母树在信息学竞赛中的应用》
字典树
