Java中文键树的一种实现（附带模糊查询功能）

首先在文章的开头声明一下哈，本文只是介绍一种Java蛮力键树的实现，并没有什么高深的数据结构，所以数据量不超过百万字符的可以参考，数据量太大的另请高明吧。另外，后面的键树代码实际上不仅适用于中文存储和查找，只要是字符串形式的数据都可以存储。比如：“锄禾日当午”、“a+你好啊234#jfjf”这样形式的数据都可以放进去（韩文柬埔寨文怎么混搭都可以，只要编码方式别搞混）。

键树是一种非常简单的数据结构，相信学过的人都知道，没学过的人一看就明白：



图1 一棵键树
好了，既然它这么简单，那我就不介绍了，想要完整阅读键树定义的读者可以随便百度，下面开始设计分析。传统键树拥有两种可选的存储结构，分别是双链树和多重链表（又称为Trie树）。多重链表表示法适用于键树中结点的度较大的情况，因此本文在实现中文键树时考虑使用多重链表结构。键树将一条完整的信息串分割成一层一层的结点结构，对应到中文，即每一个结点上存储了一个汉字信息。典型的键树通常采用数组来实现结点后代的存储，这是源于英文字母只有固定26个。鉴于中文无法同样考虑，在实现时采用ArrayList来实现后代的存储。这既保证了查询速度，又避免数组越界的问题。因此，一个结点的结构就是：

class TrieNode {
public String value;
public ArrayList<TrieNode> ptr = null;
public TrieNode(String value) {
this.value=value;
ptr =new ArrayList<TrieNode>();
}
}

    向这棵键树中插入新节点是很简单的，比如插入的新内容是一个"apple"的单词，那么将这个字符串依次拆开，逐个在键树中向下寻找（在ArrayList中遍历比较），并最终决定放不放就行（放就add,不放就下一层或者结束），具体实现就是后文中的insert(String key)方法。同样的道理，查找也很简单。

    好了，键树就实现完成了，很简单。这里加了一个内容：因为正常人实现这种数据结构都会想要提供模糊查询的功能，比如我查找:"ap"，就希望这棵树能给我一个"apple"，满足你。实现这个功能的基本功就在于最简单的树的先序遍历，不过由于这是贱树，所以又不太一样。
    因为前面说了百万以上不要看本文，所以我这里的先序遍历用了递归（百万以下就不要叫会栈溢出，随心所欲的插就行）。原理很简单，往遍历方法里传一个树结点，比如前面查询了"ap"，那么"ap"的p结点就传了进来。然后用一个StringBuffer来装进后面的"ple"。如果还有类似于"application"这样的单词，就倒回去，再在StringBuffer里装一遍"plication"。有多个关键词的就会将每次查询的StringBuffer装进一个ArrayList<String>，最后这个集合searchResult就存储了模糊查询的结果。

ArrayList<String> searchResult=new ArrayList<String>();
StringBuffer tempWord=new StringBuffer();
int start=0;
private void traverseTree(TrieNode p){
if(!(p.ptr.isEmpty())){
for(TrieNode tn:p.ptr){
tempWord.append(tn.value);
start++;
traverseTree(tn);
start--;
tempWord.delete(start,tempWord.length());
}
}else{
searchResult.add(tempWord.toString());
}
}

    最后说一下性能和改进：

    性能：
        20万字符（约60000条古诗）模糊查询平均耗时为1毫秒。插入的时间非常短，短到我忘了测（以上性能什么概念呢，就是如果你要做一个简易的搜索提示框的话，后台用这个键树来实现是非常合适的，搜索提示的反应零卡顿非常快。那如果是点一个按钮然后查询那种功能就更不在话下了）。
    改进（这里的改进如果完成的话，那么和市面上一线的搜索引擎相应功能比，也就输在没有商标）：

    （1）对于要满足中拼双搜的搜索框提示功能，需要维护中文、拼音两棵键树（中文拼音转化可使用pinyin4j开源库，处理时注意拼音时涉及多音字），在设计算法时会复杂很多（复杂4倍左右）。

    （2）为了提升中文键树的效率，可以考虑按照偏旁拆分中文来组织键树结点结构（就像按照偏旁部首查字典一样），将会使键树的效率提升非常多。实现这样的算法需要中文偏旁api的支持，至于有不有这样的api我就不知道了。

代码贴：中文键树的蛮力实现（可处理任意字符串）

import java.io.BufferedReader;
import java.io.IOException;
import java.util.ArrayList;
import java.util.Arrays;

import com.yhk.filewriter.MyReader;

/*
* 无数据结构设计下的蛮力中文键树
*/
class TrieNode {
public String value;
public ArrayList<TrieNode> ptr = null;
public TrieNode(String value) {
this.value=value;
ptr =new ArrayList<TrieNode>();
}
}

public class TrieTree_1 {
private static TrieNode root = null;
ArrayList<String> searchResult=new ArrayList<String>();
StringBuffer tempWord=new StringBuffer();
int start=0;

public TrieTree_1() {
root = new TrieNode(null);
}

public void insert(String key) {
TrieNode p = root;
String tempWord;
boolean contains;
TrieNode tempNode;
for (int i = 0; i < key.length(); i++) {
tempWord=String.valueOf(key.charAt(i));
contains=false;
for(TrieNode tn:p.ptr){
if(tn.value.equals(tempWord)){
p=tn;
contains=true;
break;
}
}
if(!contains){
tempNode=new TrieNode(tempWord);
p.ptr.add(tempNode);
p=tempNode;
}
}
}

public ArrayList<String> search(String key) {  //模糊查询就是这个方法，打个比方比如key是"ap"，那么ArrayList里就有{"apple","application"}
TrieNode p = root;
String temp;
boolean contains=false;
for (int i = 0; i < key.length(); i++) {
temp=String.valueOf(key.charAt(i));
contains=false;
for(TrieNode tn:p.ptr){
if(tn.value.equals(temp)){
p=tn;
contains=true;
break;
}
}
if(contains){
continue;
}else{
break;
}
}
if(contains){
if(!(p.ptr.isEmpty())){
//查找到关键字
searchResult.clear();
tempWord.delete(0, tempWord.length());
tempWord.append(key);
start=key.length();
traverseTree(p);
}else{
//已经查找到键树的底部
return null;
}
}else{
//没有查找到相应关键字
return null;
}
return searchResult;
}

private void traverseTree(TrieNode p){
if(!(p.ptr.isEmpty())){
for(TrieNode tn:p.ptr){
tempWord.append(tn.value);
start++;
traverseTree(tn);
start--;
tempWord.delete(start,tempWord.length());
}
}else{
searchResult.add(tempWord.toString());
}
}
}