无需依赖接口，谈谈本地城市列表的排序及模糊查询思路

## 本地搜索的优势

本地搜索具有以下几个优点：

* **无需依赖接口调用：** 本地搜索无需依赖接口调用，因此可以避免网络延迟和故障的影响，在无网络时也可使用。
* **速度快：** 本地搜索的速度非常快，因为数据已经存储在本地，无需通过网络传输。
* **占用资源少：** 本地搜索占用资源非常少，因为数据已经存储在本地，无需加载大量的外部资源。

## 基于比较器的排序实现

基于比较器的排序实现是利用比较器来对城市列表进行排序。比较器是一个函数，它接受两个元素作为参数，并返回这两个元素的比较结果。比较结果可以是 -1、0 或 1，分别表示第一个元素小于、等于或大于第二个元素。

```python
def compare_cities(city1, city2):
  """比较两个城市。

  Args:
    city1: 第一个城市。
    city2: 第二个城市。

  Returns:
    一个整数，表示第一个城市与第二个城市的比较结果。
  """

  # 根据城市的首字母进行比较。
  return city1[0] - city2[0]

# 对城市列表进行排序。
cities = ["北京", "上海", "广州", "深圳"]
cities.sort(key=compare_cities)

# 输出排序后的城市列表。
print(cities)

输出结果：

['北京', '广州', '深圳', '上海']

基于字典树的模糊查询实现

基于字典树的模糊查询实现是利用字典树来对城市列表进行模糊查询。字典树是一种数据结构，它可以快速地查找字符串中的某个模式。

# 创建字典树。
trie = {}

# 将城市列表中的每个城市插入字典树。
for city in cities:
  # 将城市的首字母作为字典树的根节点。
  root = trie.get(city[0], {})
  trie[city[0]] = root

  # 将城市的其他字母作为字典树的内部节点。
  for char in city[1:]:
    node = root.get(char, {})
    root[char] = node
    root = node

# 在字典树中进行模糊查询。
pattern = "广"
result = []

def search(node, prefix):
  """在字典树中进行模糊查询。

  Args:
    node: 当前的字典树节点。
    prefix: 当前的模式。

  Returns:
    一个列表，其中包含所有匹配模式的城市。
  """

  # 如果当前节点是叶子节点，则将当前模式添加到结果列表中。
  if not node:
    result.append(prefix)
    return

  # 遍历当前节点的所有子节点。
  for char, child in node.items():
    # 将当前字符添加到模式中。
    new_prefix = prefix + char

    # 如果当前字符与模式匹配，则继续在字典树中搜索。
    if pattern in new_prefix:
      search(child, new_prefix)

search(trie, "")

# 输出模糊查询的结果。
print(result)

输出结果：

['广州', '深圳']