1 Leetcodegaogaotwo 1.1 链表 |
1.1.1 分割链表 |
1.1.2 反转链表 |
1.1.3 快慢指针 链表的中间节点 |
1.1.4 链表的倒数第k个节点 |
1.1.5 回文链表 |
1.1.6 链表的删除 |
1.1.7 链表反转2 |
1.1.8 链表的第一个相交节点 |
1.2 dfs |
1.2.1 岛屿数量 |
1.2.2 机器人的运动范围 |
1.2.3 字符串的全排列(回溯算法) |
1.2.4 判断一个数字是否可以表示成三的幂的和 |
1.2.5 不同路径III dfs+回溯 |
1.2.6 组合总和 dfs+回溯 |
1.2.7 子集 dfs or 状态枚举 |
1.3 bfs |
1.4 双指针 |
1.4.1 奇数在前,偶数在后 |
1.5 二维矩阵的前缀和 |
1.5.1 1074. 元素和为目标值的子矩阵数量 |
1.5.2 304. 二维区域和检索 - 矩阵不可变 |
1.6 数组变化 |
1.6.1 大数加减法 |
1.6.2 717. 1 比特与 2 比特字符 |
1.7 排序算法 |
1.7.1 把数组排成最小的数 |
1.7.2 根据字符出现的次数频率进行排序 |
1.7.3 最大数 |
1.7.4 969. 煎饼排序 |
1.8 dp动态规划 |
1.8.1 斐波那契数列 |
1.8.2 俄罗斯套娃信封问题 |
1.8.3 分割回文串 |
1.8.4 01背包 |
1.8.5 打家劫舍II |
1.8.6 青蛙过河 |
1.8.7 最长回文子串 |
1.8.8 目标和 (01背包) |
1.8.9 最大子序和 |
1.9 滑动窗口 |
1.9.1 绝对差不超过限制的最长连续子数组 |
1.9.2 三数之和 |
1.10 二叉树性质 |
1.10.1 二叉树的最小深度 |
1.10.2 二叉树的层次遍历 |
1.10.3 二叉树的镜像翻转 |
1.10.4 二叉树的最大深度 |
1.10.5 二叉搜索树节点最小距离 |
1.10.6 二叉树重构从小到达 按照->right情况 |
1.10.7 二叉搜索数的范围和 |
1.10.8 N叉树的前序遍历 |
1.11 递归 |
1.11.1 1+2...+n |
1.12 并查集 |
1.12.1 并查集连通分量 |
1.12.2 并查集城市连通 |
1.13 堆栈 |
1.13.1 通过队列来实现栈 |
1.13.2 下一个更大元素 II |
1.13.3 删除字符串中的所有相邻重复项 |
1.13.4 基本计算机 |
1.13.5 计算机 |
1.13.6 逆波兰表达式 |
1.13.7 接雨水 |
1.13.8 柱状图中最大矩形面积 |
1.13.9 反转每对括号间的子串 |
1.14 队列(or 优先队列) |
1.14.1 最大平均通过率 |
1.14.2 最大的团队表现值 |
1.14.3 找出第K大的异或坐标值 |
1.14.4 1.2滑动窗口的最大值 |
1.14.5 二叉搜索数的范围和 |
1.14.6 员工的重要性 |
1.15 Hash查询匹配 |
1.15.1 猜灯谜 |
1.15.2 720. 词典中最长的单词 |
1.16 前缀树 |
1.16.1 实现Trie(前缀树) |
1.16.2 添加与搜索单词 - 数据结构设计 |
1.17 位运算 |
1.17.1 比特位计数 |
1.17.2 不用加减乘除做加法 |
1.17.3 可被 5 整除的二进制前缀 |
1.17.4 汉明距离总和 |
1.18 二分法 |
1.18.1 在D天内送达包裹的能力 |
1.18.2 第一个错误的版本 |
1.19 数据结构性质 |
1.20 回溯法思想 |
1.21 字符串处理(模拟) |
1.21.1 Excel 表列序号进制转换 |
1.21.2 838.推多米诺 |
1.22 模拟 |
1.23 数学定理 |
1.23.1 1828. 统计一个圆中点的数目 |
208. 实现 Trie (前缀树) Trie(发音类似 "try")或者说 前缀树 是一种树形数据结构,用于高效地存储和检索字符串数据集中的键。这一数据结构有相当多的应用情景,例如自动补完和拼写检查。
请你实现 Trie 类:
Trie() 初始化前缀树对象。 void insert(String word) 向前缀树中插入字符串 word 。 boolean search(String word) 如果字符串 word 在前缀树中,返回 true(即,在检索之前已经插入);否则,返回 false 。 boolean startsWith(String prefix) 如果之前已经插入的字符串 word 的前缀之一为 prefix ,返回 true ;否则,返回 false 。
示例:
输入 ["Trie", "insert", "search", "search", "startsWith", "insert", "search"] [[], ["apple"], ["apple"], ["app"], ["app"], ["app"], ["app"]] 输出 [null, null, true, false, true, null, true]
解释 Trie trie = new Trie(); trie.insert("apple"); trie.search("apple"); // 返回 True trie.search("app"); // 返回 False trie.startsWith("app"); // 返回 True trie.insert("app"); trie.search("app"); // 返回 True
提示:
1 <= word.length, prefix.length <= 2000 word 和 prefix 仅由小写英文字母组成 insert、search 和 startsWith 调用次数 总计 不超过 3 * 104 次
/* Trie() 初始化前缀树对象。 void insert(String word) 向前缀树中插入字符串 word 。 boolean search(String word) 如果字符串 word 在前缀树中,返回 true(即,在检索之前已经插入);否则,返回 false 。 boolean startsWith(String prefix) 如果之前已经插入的字符串 word 的前缀之一为 prefix ,返回 true ;否则,返回 false 。 */
/* Trie() 初始化前缀树对象。 void insert(String word) 向前缀树中插入字符串 word 。 boolean search(String word) 如果字符串 word 在前缀树中,返回 true(即,在检索之前已经插入);否则,返回 false 。 boolean startsWith(String prefix) 如果之前已经插入的字符串 word 的前缀之一为 prefix ,返回 true ;否则,返回 false 。 */ class Trie { /** Initialize your data structure here. */ private: bool is_string; Trie* next[26]={nullptr}; public:
Trie() { is_string = false; }
/** Inserts a word into the trie. */ void insert(string word) { Trie *root = this; for(const auto& ch:word){ if(root->next[ch-'a']==nullptr) root->next[ch-'a'] = new Trie(); root = root->next[ch-'a']; } root->is_string = true; } /** Returns if the word is in the trie. */ bool search(string word) { Trie *root = this; for(const auto& ch:word){ if(root->next[ch-'a']==nullptr) return false; else root = root->next[ch-'a']; } return root->is_string; } /** Returns if there is any word in the trie that starts with the given prefix. */ bool startsWith(string prefix) { Trie *root = this; for(const auto& ch:prefix){ if(root->next[ch-'a']==nullptr) return false; else root = root->next[ch-'a']; } return true; } };
/** * Your Trie object will be instantiated and called as such: * Trie* obj = new Trie(); * obj->insert(word); * bool param_2 = obj->search(word); * bool param_3 = obj->startsWith(prefix); */ |
|