提升前缀树删除和统计效率
本文探讨如何优化自实现前缀树的删除和统计方法，使其效率更高。
改进后的删除算法
原始的删除算法较为冗长，以下使用递归方法进行简化：
func (t *node) delete(key string) {
if key == "" {
t.isendofword = false
if len(t.children) == 0 {
t = nil // 删除空节点
}
return
}
c := key[0] - 'a'
if t.children[c] != nil {
t.children[c].delete(key[1:])
}
// 关键优化：仅当节点不再是单词结尾且没有子节点时才删除
if !t.isendofword && len(t.children) == 0 {
t = nil
}
}
改进后的统计算法
同样，统计方法也采用递归方式优化：
func (t *node) countprefixes() int {
count := 0
if t.isendofword {
count++
}
for _, child := range t.children {
if child != nil {
count += child.countprefixes()
}
}
return count
}
完整代码示例:
package main
import "fmt"
type node struct {
isendofword bool
children [26]*node
}
// ... (insert 函数保持不变) ...
// ... (改进后的 delete 函数) ...
// ... (改进后的 countprefixes 函数) ...
func main() {
root := &node{}
root.insert("apple")
root.insert("apps")
root.insert("banana")
//root.print() // 可选：打印树结构进行验证
fmt.Println("删除 'apps'")
root.delete("apps")
//root.print() // 可选：打印树结构进行验证
fmt.Println("以 'app' 开头的单词数量:", root.countprefixes())
}
输出结果:
删除 'apps' 以 'app' 开头的单词数量: 2
通过递归和精简条件判断，改进后的代码在删除和统计操作上更加高效，避免了不必要的节点遍历和内存占用。 代码注释也更清晰地解释了算法逻辑。
