本文共 2098 字，大约阅读时间需要 6 分钟。
Trie（发音类似 “try”）或者说 前缀树 是一种树形数据结构，用于高效地存储和检索字符串数据集中的键。这一数据结构有相当多的应用情景，例如自动补完和拼写检查。
请你实现 Trie 类：
Trie() 初始化前缀树对象。
void insert(String word) 向前缀树中插入字符串 word 。 boolean search(String word) 如果字符串 word 在前缀树中，返回 true（即，在检索之前已经插入）；否则，返回 false 。 boolean startsWith(String prefix) 如果之前已经插入的字符串 word 的前缀之一为 prefix ，返回 true ；否则，返回 false 。示例：
输入
[“Trie”, “insert”, “search”, “search”, “startsWith”, “insert”, “search”] [[], [“apple”], [“apple”], [“app”], [“app”], [“app”], [“app”]] 输出 [null, null, true, false, true, null, true]解释
Trie trie = new Trie(); trie.insert(“apple”); trie.search(“apple”); // 返回 True trie.search(“app”); // 返回 False trie.startsWith(“app”); // 返回 True trie.insert(“app”); trie.search(“app”); // 返回 True提示：
1 <= word.length, prefix.length <= 2000
word 和 prefix 仅由小写英文字母组成 insert、search 和 startsWith 调用次数 总计 不超过 3 * 104 次定义一个新的内部类Node，用isWord标记该位置是否是一个单词，用next指向下一个节点
insert、search和startWith操作的时间复杂度均是O(n)，其中n为待插入字符串或待查询字符串或前缀的长度。class Trie { private class Node{ private boolean isWord; private HashMap next; public Node(boolean isWord) { this.isWord = isWord; this.next = new HashMap<>(); } public Node() { this(false); } } private Node root; private int size; public Trie() { root = new Node(); size = 0; } public void insert(String word) { Node cur = root; for (int i = 0; i < word.length(); i++) { char c = word.charAt(i); if(cur.next.get(c) == null) { cur.next.put(c, new Node()); } cur = cur.next.get(c); } if(!cur.isWord) { cur.isWord = true; size++; } } public boolean search(String word) { Node cur = root; for (int i = 0; i < word.length(); i++) { char c = word.charAt(i); if(cur.next.get(c) == null) { return false; } cur = cur.next.get(c); } return cur.isWord; } public boolean startsWith(String prefix) { Node cur = root; for (int i = 0; i < prefix.length(); i++) { char c = prefix.charAt(i); if(cur.next.get(c) == null) { return false; } cur = cur.next.get(c); } return true; }} 转载地址：http://tmhiz.baihongyu.com/