又稱單詞查詢樹，trie樹，是一種樹形結構，是一種雜湊樹的變種。典型應用是用於統計，排序和儲存大量的字串（但不僅限於字串），所以經常被搜尋引擎系統用於文字詞頻統計。
利用字串的公共字首來減少查詢時間，最大限度地減少無謂的字串比較，查詢效率比雜湊樹高。
它有3個基本性質：
根節點不包含字元，除根節點外每乙個節點都只包含乙個字元；
從根節點到某一節點，路徑上經過的字元連線起來，為該節點對應的字串；
每個節點的所有子節點包含的字元都不相同。
搜尋字典專案的方法為：
(1) 從根結點開始一次搜尋；
(4) 迭代過程……
其他操作類似處理
舉個例子，如下：
題目：給你100000個長度不超過10的單詞。對於每乙個單詞，我們要判斷它是否出現過，如果出現過，求得第一次出現的位置。
如果我們用最傻的方法，對於每乙個單詞，我們都要去查詢它前面的單詞中是否有它。那麼這個演算法的複雜度就是o(n2 )。顯對於100000的範圍難以接受。現在我們換個思路想。假設我要查詢的單詞是abcd，那麼在他前面的單詞中，以b，c，d，f之類開頭的我顯然不必考慮。而只要找以a開頭的中是否存在abcd就可以了。同樣的，在以a開頭中的單詞中，我們只要考慮以b作為第二個字母的，一次次縮小範圍和提高針對性，這樣乙個樹的模型就漸漸清晰了。
好比假設有b，abc，abd，bcd，abcd，efg，hii 這6個單詞，我們構建的樹就是如下圖這樣的：
trie樹是簡單但實用的資料結構，通常用於實現字典查詢。我們做即時響應使用者輸入的ajax搜尋框時，就是trie開始。本質上，trie是一顆儲存多個字串的樹。相鄰節點間的邊代表乙個字元，這樣樹的每條分支代表一則子串，而樹的葉節點則代表完整的字串。和普通樹不同的地方是，相同的字串字首共享同一條分支。下面，再舉乙個例子。給出一組單詞，inn, int, at, age, adv, ant, 我們可以得到下面的trie：
可以看出：
每條邊對應乙個字母。
每個節點對應一項字首。葉節點對應最長字首，即單詞本身。
單詞inn與單詞int有共同的字首「in」, 因此他們共享左邊的一條分支，root->i->in。同理，ate, age, adv, 和ant共享字首"a"，所以他們共享從根節點到節點"a"的邊。
查詢操縱非常簡單。比如要查詢int，順著路徑i -> in -> int就找到了。
搭建trie的基本演算法也很簡單，無非是逐一把每則單詞的每個字母插入trie。插入前先看字首是否存在。如果存在，就共享，否則建立對應的節點和邊。比如要插入單詞add，就有下面幾步：
1. 考察字首"a"，發現邊a已經存在。於是順著邊a走到節點a。
2. 考察剩下的字串"dd"的字首"d"，發現從節點a出發，已經有邊d存在。於是順著邊d走到節點ad
3. 考察最後乙個字元"d"，這下從節點ad出發沒有邊d了，於是建立節點ad的子節點add，並把邊ad->add標記為d。
第一：詞頻統計；第二: 字首匹配；第三：去重
適用範圍：資料量大，重複多，但是資料種類小可以放入記憶體
基本原理及要點：實現方式，節點孩子的表示方式
擴充套件：壓縮實現。
python
classTrie樹（字典樹）
trie樹的核心思想是用空間換時間，通過在樹中儲存字串的公共字首，來達到加速檢索的目的。例如，對於一棵儲存由英文本母組成的字串的trie樹，如下圖 trie樹在實現的時候，可以用左兒子右兄弟的表示方法，也可以在每個節點處開設乙個陣列，如上圖的方法。trie樹的主要操作是插入 查詢，也可以進行刪除。插...
字典樹 Trie樹
字典樹 trie樹 顧名思義是一種樹形結構，屬於雜湊樹的一種。應用於統計 排序 查詢單詞 統計單詞出現的頻率等。它的優點是 利用字串的公共字首來節約儲存空間，最大限度地減少無謂的字串比較，查詢效率比雜湊表高。字典樹的結構特點 根節點不代表任何字元。其他節點從當前節點回溯到根節點可以得到它代表的字串。...
字典樹 trie樹
amy 56 ann 15 emma 30 rob 27 roger 52首先存入amy，level 0表示根，不持有資料。其餘每個節點持有乙個字元 葉子節點持有資料，且持有的字元為 0 level 0 root a level 1 m level 2 y level 3 0 56 level 4新...