最困难的事情就是认识自己！
个人博客，欢迎访问！
前言：
Trie树也称为字典树、单词查找树，最大的特点就是共享字符串的公共前缀来达到节省空间的目的了。
然后可以根据它的公共前缀的特性来实现敏感词过滤、自动联想等功能。
抽象出trie树的数据结构：
1、首先来看下trie树的结构图：
从上图可以归纳出Trie树的基本性质：
①根节点不包含字符，除根节点外的每一个子节点都包含一个字符。
②从根节点到某一个节点，路径上经过的字符连接起来，为该节点对应的字符串。
③每个节点的所有子节点包含的字符互不相同。
④从第一字符开始有连续重复的字符只占用一个节点，比如上面的to，和ten，中重复的单词t只占用了一个节点
从上面归纳出的基本性质可以抽象出节点的class属性：
1、是否为叶子节点的标志位 isWord ；
2、既能存储此节点的值也能存储其所有的子节点的 children 数据结构HashMap：
节点 （Node ）的class类代码：
/**
* @Title: Node
* @Description: trie树的节点
*/
private class Node {
// 节点是否为叶子节点的标志；true：叶子节点，false：非叶子节点（用于子节点的节点）
public boolean isWord;
// 当前节点拥有的孩子节点，使用hashmap进行存储，在查找子节点时的时间复杂度为O(1)
public HashMap<Character, Node> children;
public Node(boolean isWord) {
this.isWord = isWord;
this.children = new HashMap<>();
}
public Node() {
this(false);
}
}
代码奉上：
import java.util.ArrayList;
import java.util.Arrays;
import java.util.HashMap;
import java.util.List;
/**
* Trie 树实现
*/
public class Trie {
/**
* @Title: Node
* @Description: trie树的节点类
*/
private class Node {
// 节点是否为叶子节点的标志；true：叶子节点，false：非叶子节点（用于子节点的节点）
public boolean isWord;
// 当前节点拥有的孩子节点，使用hashmap进行存储，在查找子节点时的时间复杂度为O(1)
public HashMap<Character, Node> children;
public Node(boolean isWord) {
this.isWord = isWord;
this.children = new HashMap<>();
}
public Node() {
this(false);
}
}
// trie树的根节点
private Node root;
// trie树中拥有多少分枝（多少个敏感词）
private int size;
public Trie() {
this.root = new Node();
this.size = 0;
}
/**
* @Description: 返回trie树中分枝树（敏感词树）
*/
public int getSize() {
return size;
}
/**
* @Description: 向trie树中添加分枝/敏感词
* @param word 添加的敏感词
*/
public void addBranchesInTrie(String word) {
// 设置当前节点为根节点
Node cur = root;
char[] words = word.toCharArray();
for (char c : words) {
// 判断当前节点的子节点中是否存在字符c
if (!cur.children.containsKey(c)) {
// 如果不存在则将其添加进行子节点中
cur.children.put(c, new Node());
}
// 当前节点进行变换，变换为新插入到节点 c
cur = cur.children.get(c);
}
// 分枝添加完成后，将分枝中的最后一个节点设置为叶子节点
if (!cur.isWord) {
cur.isWord = true;
// 分枝数（敏感词数）加1
size++;
}
}
/**
* @Description: 判断trie树中是否存在某分枝/敏感词
* @param word 敏感词
* @return
*/
public boolean contains(String word) {
Node cur = root;
char[] words = word.toCharArray();
for (char c : words) {
if (!cur.children.containsKey(c)) {
return false;
}
cur = cur.children.get(c);
}
// 如果存在并且遍历到trie树中某个分支最后一个节点了，那此节点就是叶子节点，直接返回true
return cur.isWord;
}
/**
* @Description: 如果一段话中有trie树中存储的敏感词则需将其进行替换为 **; 例如：尼玛的，替换为 **的
* @param word 一段话，如果有敏感词需要被替换的词
* @return
*/
public String sensitiveWordReplace(String word) {
System.out.println("敏感词替换前：" + word);
Node cur = root;
char[] words = word.toCharArray();
// 需要被替换的敏感词
StringBuilder oldTemp = new StringBuilder();
// 需要替换成的星号
StringBuilder starTemp = new StringBuilder();
for (char c : words) {
if (!cur.children.containsKey(c)) {
// 如果当前节点的孩子节点中没有此单词则直接跳过此循环，进入下次循环
continue;
}
if (!cur.isWord) {
// 拼接上word和trie树都有的字符
oldTemp.append(c);
starTemp.append("*");
cur = cur.children.get(c);
}
if (cur.isWord) {
// 进行敏感词替换
word = word.replaceAll(oldTemp.toString(), starTemp.toString());
// 清空StringBuilder中内容
oldTemp.delete(0, oldTemp.length());
starTemp.delete(0, starTemp.length());
// 查找一个敏感词并替换后，需要重新从根节点进行遍历，所以当前节点指向root
cur = root;
}
}
System.out.println("敏感词替换后：" + word);
return word;
}
// 存放trie树中查询到的联想词
private List<String> list = new ArrayList<String>();
/**
* @Description: 利用trie的公共前缀特性，可以实现关键词自动联想
* @param word
*/
public void prefixMatching(String word, Node root) {
Node cur = root;
char[] words = word.toCharArray();
StringBuilder str = new StringBuilder();
str.append(word);
for (int i = 0; i < words.length; i++) {
if (!cur.children.containsKey(words[i])) {
System.out.println("无关联词！");
return;
}
cur = cur.children.get(words[i]);
}
dfs(str, cur);
System.out.println("[ " + word + " ]在trie树中的联想词：" + Arrays.toString(list.toArray()));
}
/**
* @Description: 节点遍历
* @param word 需要查找的词
* @param root 开始遍历的根节点
*/
public void dfs(StringBuilder word, Node root) {
Node cur = root;
if (cur.isWord) {
list.add(word.toString());
if (cur.children.size() == 0) {
return;
}
}
for (Character s : cur.children.keySet()) {
word.append(s);
// 递归调用
dfs(word, cur.children.get(s));
word.delete(word.length() - 1, word.length());
}
}
// test
public static void main(String[] args) {
Trie t = new Trie();
// 插入敏感词
t.addBranchesInTrie("麻痹");
t.addBranchesInTrie("尼玛的");
t.addBranchesInTrie("狗日的");
t.addBranchesInTrie("nm的");
// 插入联想词
t.addBranchesInTrie("联想云科技");
t.addBranchesInTrie("联盟");
t.addBranchesInTrie("联和利泰扩招了");
System.out.println("trie树中分枝的个数：" + t.size);
String word = "尼玛的";
System.out.println("Trie树中是否存在[ " + word + " ]敏感词: " + t.contains(word));
// 敏感词替换测试
t.sensitiveWordReplace("衮，尼玛的傻子，你麻痹的，你各狗日的，早晚揍死你，nm的狗东西。");
// trie树实现联想测试
t.prefixMatching("联", t.root);
}
}
代码运行输出：
❤不要忘记留下你学习的足迹 [点赞 + 收藏 + 评论]嘿嘿ヾ
一切看文章不点赞都是“耍流氓”，嘿嘿ヾ(◍°∇°◍)ﾉﾞ！开个玩笑，动一动你的小手，点赞就完事了，你每个人出一份力量(点赞 + 评论)就会让更多的学习者加入进来！非常感谢！￣ω￣=