trie樹的定義這里就不多說了，直接貼代碼（代碼大部分是參考別人的，修改了個別錯誤，并添加了一個最大匹配的方法）。

package com.fox.analyzer;import java.util.ArrayList; import java.util.List;public class Trie {private Vertex root = new Vertex();protected class Vertex {protected int words; // 單詞個數protected int prefixes; // 前綴個數protected Vertex[] edges; // 子節點Vertex() {this.words = 0;this.prefixes = 0;edges = new Vertex[26];for (int i = 0; i < edges.length; i++) {edges[i] = null;}}}/*** 獲取tire樹中所有的詞* * @return*/public List<String> listAllWords() {List<String> words = new ArrayList<String>();Vertex[] edges = root.edges;for (int i = 0; i < edges.length; i++) {if (edges[i] != null) {String word = "" + (char) ('a' + i);depthFirstSearchWords(words, edges[i], word);}}return words;}/*** * @param words* @param vertex* @param wordSegment*/private void depthFirstSearchWords(List words, Vertex vertex,String wordSegment) {if (vertex.words != 0) {words.add(wordSegment);}Vertex[] edges = vertex.edges;for (int i = 0; i < edges.length; i++) {if (edges[i] != null) {String newWord = wordSegment + (char) ('a' + i);depthFirstSearchWords(words, edges[i], newWord);}}}/*** 計算指定前綴單詞的個數* * @param prefix* @return*/public int countPrefixes(String prefix) {return countPrefixes(root, prefix);}private int countPrefixes(Vertex vertex, String prefixSegment) {if (prefixSegment.length() == 0) { // reach the last character of the// wordreturn vertex.prefixes;}char c = prefixSegment.charAt(0);int index = c - 'a';if (vertex.edges[index] == null) { // the word does NOT existreturn 0;} else {return countPrefixes(vertex.edges[index],prefixSegment.substring(1));}}/*** 計算完全匹配單詞的個數* * @param word* @return*/public int countWords(String word) {return countWords(root, word);}private int countWords(Vertex vertex, String wordSegment) {if (wordSegment.length() == 0) { // reach the last character of the wordreturn vertex.words;}char c = wordSegment.charAt(0);int index = c - 'a';if (vertex.edges[index] == null) { // the word does NOT existreturn 0;} else {return countWords(vertex.edges[index], wordSegment.substring(1));}}/*** 向tire樹添加一個詞* * @param word* */public void addWord(String word) {addWord(root, word);}/*** Add the word from the specified vertex.* * @param vertex* The specified vertex.* @param word* The word to be added.*/private void addWord(Vertex vertex, String word) {if (word.length() == 0) { // if all characters of the word has been// addedvertex.words++;} else {vertex.prefixes++;char c = word.charAt(0);c = Character.toLowerCase(c);int index = c - 'a';if (vertex.edges[index] == null) { // if the edge does NOT existvertex.edges[index] = new Vertex();}addWord(vertex.edges[index], word.substring(1)); // go the the next// character}}/*** 返回指定字段前綴匹配最長的單詞。* * @param word* @return*/public String getMaxMatchWord(String word) {String s = "";String temp = "";// 記錄最近一次匹配最長的單詞char[] w = word.toCharArray();Vertex vertex = root;for (int i = 0; i < w.length; i++) {char c = w[i];c = Character.toLowerCase(c);int index = c - 'a';if (vertex.edges[index] == null) {// 如果沒有子節點if (vertex.words != 0)// 如果是一個單詞，則返回return s;else// 如果不是一個單詞則返回nullreturn null;} else {if (vertex.words != 0)temp = s;s += c;vertex = vertex.edges[index];}}// trie中存在比指定單詞更長（包含指定詞）的單詞if (vertex.words == 0)//return temp;return s;}public static void main(String args[]) // Just used for test{Trie trie = new Trie();trie.addWord("abcedfddddddd");trie.addWord("a");trie.addWord("ba");trie.addWord("abce");trie.addWord("abcedfdddd");trie.addWord("abcef");String maxMatch = trie.getMaxMatchWord("abcedfddd");System.out.println(maxMatch);// List<String> list = trie.listAllWords();// Iterator listiterator = list.listIterator();// while (listiterator.hasNext()) {// String s = (String) listiterator.next();// System.out.println(s);// }// int count = trie.countPrefixes("abcdef");// int count1 = trie.countWords("abcd");// System.out.println("prefixes:" + count);// System.out.println("countWords:" + count1);} }

　　

最近開始慢慢了解中文分詞技術，剛開始當然就是最大匹配了，之前做了一個非常簡單的算法，字典存儲在hashSet中，每次正向或逆向做最大切分N（字典中最長詞組的長度，取N個字符），不匹配則取（N-1）個字符，繼續匹配，如此循環只到匹配字典中的一個單詞或者被切分成單字（1個字符）為止。例如我找的一個詞典最長詞組的長度為16，然后中文詞組普遍是二字或三字詞語，這里每切分一個詞就白白多匹配了10多次。效率明顯會有問題。

那么有什么好的方式可以解決這個問題呢? 首先想到的是字典的存儲方式導致了這一問題。那么Trie樹是如何解決這個問題的呢？

首先，我們可以將一段文字按照標點切分成句子（文章 -》段落 -》 句子 -》詞組 ），然后將句子在字典（trie樹）里做最大匹配（或者找出所有前綴匹配，做最優選擇）進行切分，這么一來，就可以避免多次匹配，提高效率。

不過上面的代碼，是針對英文的（為了簡單起見），然后如果是中文，那么這棵trie會非常扁平（root下將出現成千上萬的子節點），這個地方將會發生比較大的效率問題（查找效率），那么可以進行劃分，例如將中文里的詞語按照首字的首字母進行劃分（或者其他方式），形成一個森林，然后用一個關聯表進行對應。

?

?

?

總結

以上是生活随笔為你收集整理的Trie树实现[ java ]的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。