当前位置: 首页 > news >正文

Leetcode 208. 实现 Trie (前缀树)

在这里插入图片描述

心路历程:

一道题干进去了一个下午,单纯从解题角度可以直接用python的集合就很简单地解决(不知道是不是因为python底层的set()类)。后来从网上看到这道题应该从前缀树的角度去做,于是花了半个多小时基于字典做了前缀树的做法;后来想锻炼一下多叉树的做法,又花了一个多小时尝试。
前缀的含义是一个字符串的包含第一个元素作为开始的子序列,在代码自动补全里应用很多。

注意的点:

1、在利用字典建立多叉树的时候,一般是利用循环不变量的原则,每一层赋值root,然后判断当前层是否已经之前创建过。
2、利用class建立多叉树的时候,注意不要在初始化默认参数处设置children=[],否则所有示例化对象的children都指向同一个内存(花了很长时间找这个bug)。
3、注意在一个单词添加完之后,结尾要跟上一个结束判断符来区分到底是一个完整的单词还是一个其他长单词的一个部分。
4、写出来bug是很正常的事情,只要按照顺序检查输入输出关系即可debug。

解法一:python原生集合

class Trie:def __init__(self):self.set = set()self.prefixset = set()def insert(self, word: str) -> None:self.set.add(word)for j in range(1, len(word)+1):  # 这块是取不到的,所以要加一,两个取不到的叠加self.prefixset.add(word[:j])def search(self, word: str) -> bool:if word in self.set:return Trueelse:return Falsedef startsWith(self, prefix: str) -> bool:# return True 直接return true可以过一半测试用例if prefix in self.prefixset:return Trueelse:return False

解法二:用字典实现多叉前缀树

class Trie:def __init__(self):  # 用字典做一个前缀树self.dict = {}self.end = "!"def insert(self, word: str) -> None:root = self.dictfor i in range(len(word)):if word[i] not in root.keys():root[word[i]] = {}  # 循环不变量root = root[word[i]]root[self.end] = Nonedef search(self, word: str) -> bool:# print(self.dict)root = self.dictfor c in word:if c in root.keys():root = root[c]else:return False# 还得保证单词结尾if self.end in root.keys():return Trueelse:return Falsedef startsWith(self, prefix: str) -> bool:root = self.dictfor c in prefix:if c in root.keys():root = root[c]else:return Falsereturn True 

解法三:利用多叉树类实现前缀树(对比起来还是用字典实现多叉树方便一些)

class TreeNode:def __init__(self, val=None):  # 不能在这里给children=[]赋值然后再self.children = children,否则所有实例都维护一个列表内存(浅拷贝问题)self.val =valself.children = []  # !!!def values(self):values = []for eve in self.children:values.append(eve.val)return valuesdef findvalindex(self, aval):for i in range(len(self.children)):if self.children[i].val == aval:return iassert Falseclass Trie:def __init__(self):  # 用多叉树作前缀树self.root = TreeNode()def insert(self, word: str) -> None:root = self.rootfor i in range(len(word)):if word[i] not in root.values():node = TreeNode(word[i])root.children.append(node)root = node  # 这句话无法赋值??有赋值作用,并且内存也确实变了,但是不知道为什么.values()方法都赋值到了根节点上去-》因为浅拷贝到了一个列表上# print(root, root.children[-1])else:vindex = root.findvalindex(word[i])root = root.children[vindex]leaf = TreeNode('!')root.children.append(leaf)  # 加入结束符号def search(self, word: str) -> bool:root = self.rootfor c in word:if c in root.values():vindex = root.findvalindex(c)root = root.children[vindex]else:return False# print(root.values())# 此时root的children中应该包含leafif '!' in root.values():return Trueelse:return Falsedef startsWith(self, prefix: str) -> bool:root = self.rootfor c in prefix:if c in root.values():vindex = root.findvalindex(c)root = root.children[vindex]else:return Falsereturn True # 不需要是none

相关文章:

Leetcode 208. 实现 Trie (前缀树)

心路历程: 一道题干进去了一个下午,单纯从解题角度可以直接用python的集合就很简单地解决(不知道是不是因为python底层的set()类)。后来从网上看到这道题应该从前缀树的角度去做,于是花了半个多小时基于字典做了前缀树…...

蓝桥杯练习题——健身大调查

在浏览器中预览 index.html 页面效果如下: 目标 完成 js/index.js 中的 formSubmit 函数,用户填写表单信息后,点击蓝色提交按钮,表单项隐藏,页面显示用户提交的表单信息(在 id 为 result 的元素显示&#…...

React——组件通讯

组件通讯介绍 组件中的状态是私有的,组件的状态只能在组件内部使用,无法直接在组件外使用,但是我们在日常开发中,通常会把相似、功能完整的应用才分成组件(工厂模式)利于我们的开发,而不同组件直…...

php闭包应用

laravel 路由 bingTo 把路由URL映射到匿名回调函数上&#xff0c;框架会把匿名回调函数绑定到应用对象上&#xff0c;这样在匿名函数中就可以使用$this关键字引用重要的应用对象。Illuminate\Support\Traits\Macroable的__call方法。 自己写一个简单的demo: <?php <?…...

基于python+vue的OA公文发文管理系统flask-django-php-nodejs

系统根据现有的管理模块进行开发和扩展&#xff0c;采用面向对象的开发的思想和结构化的开发方法对OA公文发文管理的现状进行系统调查。采用结构化的分析设计&#xff0c;该方法要求结合一定的图表&#xff0c;在模块化的基础上进行系统的开发工作。在设计中采用“自下而上”的…...

脉冲变压器电感的工艺结构原理及选型参数总结

🏡《总目录》 目录 1,概述2,工作原理3,结构特点3.1,铁心结构3.2,铁心材料3.3,绕组4,工艺流程4.1,准备铁芯4.2,绕制线圈4.3,安装线圈4.4,固定线圈4.5,绝缘处理4.6,高压脉冲引出...

java中Arrays介绍及常用方法

在Java中&#xff0c;java.util.Arrays类是一个提供了各种操作数组的工具类。该类提供了一系列静态方法来对数组进行排序、搜索、填充、复制等操作。下面是对Arrays类的介绍以及常用方法的说明: toString()方法&#xff1a;将数组转换为字符串形式并返回&#xff0c;方便输出数…...

CTF题型 Http请求走私总结Burp靶场例题

CTF题型 Http请求走私总结&靶场例题 文章目录 CTF题型 Http请求走私总结&靶场例题HTTP请求走私HTTP请求走私漏洞原理分析为什么用前端服务器漏洞原理界定标准界定长度 重要!!!实验环境前提POST数据包结构必要结构快速判断Http请求走私类型时间延迟CL-TETE-CL 练习例题C…...

Nginx 的安装、启动和关闭

文章目录 一、背景说明二、Nginx 的安装2.1、依赖的安装2.2、Nginx 安装2.3、验证安装 三、启动 Nginx3.1、普通启动3.2、如何判断nginx已启动3.3、通过配置启动3.4、设置开机启动 四、关闭 Nginx4.1、优雅地关闭4.2、快速关闭4.3、只关闭主进程4.4、使用nginx关闭服务 五、重启…...

python 操作excel(openpyxl.load_workbook)、excel操作封装

操作excel 其他的库&#xff1a; xlrd xlwt &#xff1a; 过时了&#xff0c;只能操作xls后缀的文件。pandas&#xff1a;大数据测试 数据分析项目会用。 openpyxl&#xff1a;第三方库 支持的格式有&#xff1a;.xlsx、.xlsm、.xltx、.xltm&#xff0c;l不支持.xls文件格式…...

MySQL系统参数配置实战:生产环境优化

引言&#xff1a; MySQL作为广泛应用的关系型数据库&#xff0c;其系统参数配置直接影响着数据库的性能、稳定性以及资源利用率。本文旨在深入探讨MySQL的核心系统参数&#xff0c;并提供一份面向生产环境的配置建议&#xff0c;以帮助运维人员更好地优化数据库性能&#xff0…...

判断列表中每一个元素的个数

1.使用循环 nums [1, 1, 1, 2, 2, 3]# 构建一个空字典来存储元素和它们出现的次数 count_dict {}# 遍历列表&#xff0c;更新字典中每个元素出现的次数 for num in nums:if num in count_dict:count_dict[num] 1else:count_dict[num] 1# 输出统计结果 for num, count in c…...

目标检测——PP-YOLOE算法解读

PP-YOLO系列&#xff0c;均是基于百度自研PaddlePaddle深度学习框架发布的算法&#xff0c;2020年基于YOLOv3改进发布PP-YOLO&#xff0c;2021年发布PP-YOLOv2和移动端检测算法PP-PicoDet&#xff0c;2022年发布PP-YOLOE和PP-YOLOE-R。由于均是一个系列&#xff0c;所以放一起解…...

每日一题 --- 螺旋矩阵 II[力扣][Go]

螺旋矩阵 II 题目&#xff1a;59. 螺旋矩阵 II - 力扣&#xff08;LeetCode&#xff09; 给你一个正整数 n &#xff0c;生成一个包含 1 到 n2 所有元素&#xff0c;且元素按顺时针顺序螺旋排列的 n x n 正方形矩阵 matrix 。 示例 1&#xff1a; 输入&#xff1a;n 3 输出…...

C语言自定义类型结构体

variable adj.易变的&#xff0c;多变的&#xff1b;时好时坏的&#xff1b;可变的&#xff0c;可调节的&#xff1b; &#xff08;数&#xff09;&#xff08;数字&#xff09;变量的&#xff1b;&#xff08;植&#xff0c;动&#xff09;变异的&#xff0c;变型的&#xff1…...

【SpringBoot框架篇】37.使用gRPC实现远程服务调用

文章目录 RPC简介gPRC简介protobuf1.文件编写规范2.字段类型3.定义服务(Services) 在Spring Boot中使用grpc1.父工程pom配置2.grpc-api模块2.1.pom配置2.2.proto文件编写2.3.把proto文件编译成class文件 3.grpc-server模块3.1.pom文件和application.yaml3.2.实现grpc-api模块的…...

投资的三个匹配

许多人亏钱都是犯了同样错误&#xff0c;要么对投资的预期过高&#xff0c;要么是投资期限不匹配&#xff0c;要么是波动承受能力不匹配。投资想要赚钱&#xff0c;先解决匹配问题。 1.预期收益率要匹配 就是明确自己做投资&#xff0c;每年想赚多少钱。凡事都要有个目标&…...

[Netty实践] 请求响应同步实现

目录 一、介绍 二、依赖引入 三、公共部分实现 四、server端实现 五、client端实现 六、测试 一、介绍 本片文章将实现请求响应同步&#xff0c;什么是请求响应同步呢&#xff1f;就是当我们发起一个请求时&#xff0c;希望能够在一定时间内同步&#xff08;线程阻塞&am…...

Java进阶—哈希冲突的解决

1. 什么是哈希冲突 哈希函数&#xff1a;哈希函数是一种将输入数据(键)映射到固定大小范围的输出值(哈希值)的函数。哈希函数通常用于存储 数据存储和检索领域&#xff0c;例如哈希表中。 哈希表&#xff1a;哈希表(Hash Table)&#xff0c;也成为哈希映射(Hash Map)或字典&…...

css的border详解

CSS的border属性是一个简写属性&#xff0c;用于设置以下四个边框属性&#xff1a; border-width&#xff1a;定义边框的宽度。可以使用具体的像素值&#xff0c;或者使用预定义的关键字如thin、medium和thick。border-width不支持百分比值。默认情况下&#xff0c;边框的宽度是…...

Windows系统苹果USB驱动安装全攻略:告别iTunes臃肿安装

Windows系统苹果USB驱动安装全攻略&#xff1a;告别iTunes臃肿安装 【免费下载链接】Apple-Mobile-Drivers-Installer Powershell script to easily install Apple USB and Mobile Device Ethernet (USB Tethering) drivers on Windows! 项目地址: https://gitcode.com/gh_mi…...

深入解密 JVM:CMS 垃圾回收器的“并发标记”到底是不是多此一举?

深入解密 JVM&#xff1a;CMS 垃圾回收器的“并发标记”到底是不是多此一举&#xff1f; 在学习 JVM 垃圾回收机制时&#xff0c;很多开发者在看到 CMS (Concurrent Mark Sweep) 垃圾回收器的执行步骤图时&#xff0c;都会产生一个直击灵魂的疑问&#xff1a;“初始标记和重新标…...

Dell R730xd老将焕新记:保姆级教程搞定ESXi 8.0u3d,附网卡驱动避坑指南

Dell R730xd服务器升级ESXi 8.0u3d全流程实战指南 当企业IT基础设施进入更新周期&#xff0c;许多运维团队都会面临一个现实问题&#xff1a;那些曾经稳定服役多年的服务器硬件&#xff0c;是否还能适配最新的虚拟化平台&#xff1f;以Dell PowerEdge R730xd这款经典2U服务器为…...

AMD Ryzen底层硬件调试:如何通过SMU Debug Tool实现处理器性能的精确控制与优化

AMD Ryzen底层硬件调试&#xff1a;如何通过SMU Debug Tool实现处理器性能的精确控制与优化 【免费下载链接】SMUDebugTool A dedicated tool to help write/read various parameters of Ryzen-based systems, such as manual overclock, SMU, PCI, CPUID, MSR and Power Table…...

从原理到实战:深入解读Vivado GTH收发器的眼图扫描与误码率测试(以ZCU102为例)

高速串行链路调试艺术&#xff1a;Vivado GTH眼图与误码率测试的深度实践 当你在ZCU102开发板上第一次看到那个几乎闭合的眼图时&#xff0c;是否曾感到困惑&#xff1f;为什么经过精心设计的PCB走线&#xff0c;在高速信号面前却显得如此脆弱&#xff1f;本文将带你穿透表象&a…...

小白程序员必备:收藏这份学习指南,轻松入门信息安全领域!

小白程序员必备&#xff1a;轻松入门信息安全领域&#xff01; 本文系统梳理了信息系统安全的核心要点&#xff0c;涵盖加密解密、身份认证、访问控制、安全协议等关键技术。从安全体系架构&#xff08;机密性、完整性、可用性等五要素&#xff09;到数据安全&#xff08;对称/…...

Z-Image Turbo保姆级教学:CPU Offload显存管理技巧

Z-Image Turbo保姆级教学&#xff1a;CPU Offload显存管理技巧 你是不是也遇到过这种情况&#xff1a;好不容易找到一个好用的AI绘画模型&#xff0c;兴致勃勃地想在本地跑起来&#xff0c;结果刚点生成&#xff0c;程序就崩溃了&#xff0c;屏幕上弹出一行冰冷的“CUDA out o…...

Intv_AI_MK11与Claude协同实战:构建多模型AI应用开发平台

Intv_AI_MK11与Claude协同实战&#xff1a;构建多模型AI应用开发平台 1. 混合AI模型的应用价值 在AI应用开发领域&#xff0c;单一模型往往难以满足复杂业务需求。就像一支足球队需要不同位置的球员配合一样&#xff0c;将Intv_AI_MK11与Claude等模型协同部署&#xff0c;能够…...

动手学深度学习|深度学习硬件基础:CPU 和 GPU 到底有什么区别?为什么训练模型更喜欢 GPU?

前言学完前面的卷积神经网络、批量归一化、残差网络之后&#xff0c;很多同学会慢慢注意到一个非常现实的问题&#xff1a;模型会写了&#xff0c;代码也能跑了&#xff0c;但为什么有时候训练特别慢&#xff1f;这时候你就会接触到深度学习里一个非常重要的话题——硬件。在深…...

原生 JS 实现图片预览上传组件:多图上传 + 拖拽上传 + 裁剪预览 + 进度显示(附完整源码)

前言图片上传是前端开发中高频且核心的功能场景&#xff0c;如头像上传、素材管理、表单提交等。本文基于原生 HTMLCSSJavaScript 实现一套企业级图片预览上传组件&#xff0c;包含多图选择、拖拽上传、实时预览、图片裁剪、上传进度显示、文件大小 / 格式校验等功能&#xff0…...