LeetCode 211. 添加与搜索单词（数据结构设计）：JavaScript（正则 + Trie + DFS）

前端

2023-10-23 13:19:22

在日常开发中，我们经常会遇到搜索相关的问题。LeetCode 211题正是这样一个经典的题目，它要求我们设计一个支持添加和搜索单词的数据结构，并提供搜索建议和自动补全功能。

问题分析

首先，我们需要设计一个高效的数据结构来存储单词。常见的解决方案包括哈希表、字典树（Trie）和二叉查找树。

哈希表：哈希表是一种将键值对存储在数组中的数据结构。它通过哈希函数将键映射到数组中的某个位置，从而实现快速查找。然而，哈希表并不适合存储大量字符串，因为字符串的比较效率较低。
字典树（Trie）：字典树是一种树状结构，每个节点代表一个字符。通过沿字典树的路径，我们可以快速找到一个单词。字典树非常适合存储字符串，因为它可以有效地利用字符串的公共前缀。
二叉查找树：二叉查找树是一种二叉树，其中每个节点代表一个字符串。通过沿二叉查找树的路径，我们可以快速找到一个单词。二叉查找树也适合存储字符串，但它的插入和删除操作比字典树更复杂。

在LeetCode 211题中，我们使用字典树来存储单词。字典树具有以下优点：

查询效率高：字典树可以快速查找一个单词，时间复杂度为O(k)，其中k是单词的长度。
节省存储空间：字典树可以有效地利用字符串的公共前缀，从而节省存储空间。
支持模糊搜索：字典树可以支持模糊搜索，即查找与给定单词相似度较高的单词。

代码实现

class TrieNode {
  constructor() {
    this.children = new Map();
    this.isWord = false;
  }
}

class WordDictionary {
  constructor() {
    this.root = new TrieNode();
  }

  addWord(word) {
    let node = this.root;
    for (const char of word) {
      if (!node.children.has(char)) {
        node.children.set(char, new TrieNode());
      }
      node = node.children.get(char);
    }
    node.isWord = true;
  }

  search(word) {
    return this._search(word, this.root);
  }

  _search(word, node) {
    for (let i = 0; i < word.length; i++) {
      const char = word[i];
      if (char === '.') {
        for (const child of node.children.values()) {
          if (this._search(word.substring(i + 1), child)) {
            return true;
          }
        }
        return false;
      } else if (!node.children.has(char)) {
        return false;
      }
      node = node.children.get(char);
    }
    return node.isWord;
  }
}

const wordDictionary = new WordDictionary();
wordDictionary.addWord("bad");
wordDictionary.addWord("dad");
wordDictionary.addWord("mad");
console.log(wordDictionary.search("pad")); // false
console.log(wordDictionary.search("bad")); // true
console.log(wordDictionary.search(".ad")); // true
console.log(wordDictionary.search("b..")); // true