序言
虽然算法很难,但不应该就放弃。这是一个学习笔记,希望你们喜欢~
先自己尝试写,大概十几分钟仍然写不出来
看思路,再尝试跟着思路写
仍然写不出来,再看视频
b站up视频推荐:爱学习的饲养员
leetcode其他文章:
数组篇:
链表篇:
从小白开始刷算法 ListNode 链表篇 leetcode.203
从小白开始刷算法 ListNode 链表篇 leetcode.206
队列篇
从小白开始刷算法 ListNode 链表篇 leetcode.933
栈篇
从小白开始刷算法 Stack 栈篇 leetcode.496
哈希篇
从小白开始刷算法 Hash 哈希篇 leetcode.217
从小白开始刷算法 Hash 哈希篇 leetcode.705
树篇
从小白开始刷算法 Tree 树篇 先序遍历 leetcode.144
从小白开始刷算法 Tree 树篇 中序遍历 leetcode.94
从小白开始刷算法 Tree 树篇 后序遍历 leetcode.94
堆篇
从小白开始刷算法 Heap 堆篇 最大堆排序 leetcode.215
小白开始刷算法 Heap 堆篇 最小堆排序 leetcode.692
双指针篇
二分法篇
滑动窗口篇
递归篇
分治法篇
回溯法篇
dfs篇
bfs篇
并查集篇
记忆化搜索篇
动态规划篇
前缀树篇
前缀树篇
难度:中等
题目:
720. 词典中最长的单词
给出一个字符串数组 words
组成的一本英语词典。返回 words
中最长的一个单词,该单词是由 words
词典中其他单词逐步添加一个字母组成。
若其中有多个可行的答案,则返回答案中字典序最小的单词。若无答案,则返回空字符串。
示例 1:
输入:words = [“w”,“wo”,“wor”,“worl”, “world”]
输出:“world”
解释: 单词"world"可由"w", “wo”, “wor”, 和 "worl"逐步添加一个字母组成。
示例 2:
输入:words = [“a”, “banana”, “app”, “appl”, “ap”, “apply”, “apple”]
输出:“apple”
解释:“apply” 和 “apple” 都能由词典中的单词组成。但是 “apple” 的字典序小于 “apply”
题目来源:力扣(LeetCode)
思路
创建 TrieNode 类表示字典树节点,其中包含一个长度为 26 的 TrieNode 数组 children
用于存储子节点,以及一个布尔型变量 isEndOfWord
表示是否为单词的结束节点。
- TrieNode 的
insert
方法用于向字典树中插入单词。它遍历单词的每个字符,根据字符的索引构造子节点,并将当前节点更新为子节点,最后将当前节点标记为单词的结束节点。 - TrieNode 的
isWordChain
方法用于判断给定的单词是否构成一个有效的单词链。它遍历单词的每个字符,在字典树中查找对应的子节点,并判断子节点是否为结束节点。如果遍历完所有字符且每个字符都存在且构成有效的单词链,则返回 true,否则返回 false。 - 在
longestWord
方法中,首先创建一个空的字典树 trie,并将所有单词插入字典树中。 - 然后初始化最长单词
longestWord
为空字符串。 - 遍历所有单词,对于每个单词,判断其长度是否大于当前最长单词的长度,或者长度相等但字典序更小。如果满足条件,再判断单词是否构成一个有效的单词链(即在字典树中存在),如果是,则更新最长单词为当前单词。
- 返回最长单词。
// 仅是我的思路代码,leetcode上大神更厉害 class Solution { public String longestWord(String[] words) { TrieNode trie = new TrieNode(); for (String word : words) { trie.insert(word); } String longestWord = ""; for (String word : words) { //判断其长度是否大于当前最长单词的长度,或者长度相等但字典序更小 if (word.length() > longestWord.length() || (word.length() == longestWord.length() && word.compareTo(longestWord) < 0)) { if(trie.isWordChain(word)) longestWord = word; } } return longestWord; } } class TrieNode { private TrieNode[] children; private boolean isEndOfWord; public TrieNode() { children = new TrieNode[26]; isEndOfWord = false; } public void insert(String word) { TrieNode curr = this; for (char c : word.toCharArray()) { int index = c - 'a'; if (curr.children[index] == null) { curr.children[index] = new TrieNode(); } curr = curr.children[index]; } curr.isEndOfWord = true; } public boolean isWordChain(String word) { TrieNode curr = this; for (char c : word.toCharArray()) { int index = c - 'a'; //检查当前节点 curr 的子节点 children[index] 是否为空, //或者子节点 children[index] 不是一个结束节点(即该字符不是一个完整的单词)。 if (curr.children[index] == null || !curr.children[index].isEndOfWord) { //给定的单词 word 在字典树中不存在,返回 false,表示不是一个有效的单词链。 return false; } //更新当前节点 curr 为子节点 children[index],继续遍历下一个字符。 curr = curr.children[index]; } //如果成功遍历完给定单词的所有字符,且每个字符都在字典树中存在且构成有效的单词链(即所有字符都是完整的单词),则返回 true,表示是一个有效的单词链。 return true; } }
时间复杂度: O(MN)
- M 是单词的平均长度,N 是单词的个数。
空间复杂度为 O(MN)
- 需要使用字典树来存储单词,所以空间复杂度与单词的长度和个数相关。