关注微信公众号 数据分析螺丝钉 免费领取价值万元的python/java/商业分析/数据结构与算法学习资料
在本篇文章中，我们将详细解读力扣第211题“添加与搜索单词 - 数据结构设计”。通过学习本篇文章，读者将掌握如何实现一个支持通配符搜索的字典数据结构，并了解相关的复杂度分析和模拟面试问答。每种方法都将配以详细的解释，以便于理解。
问题描述
力扣第211题“添加与搜索单词 - 数据结构设计”描述如下：
请你设计一个数据结构，支持添加新单词和查找字符串是否与任何已添加的字符串匹配。字符串可以包含通配符
.，.可以表示任何一个字母。实现 WordDictionary 类：
WordDictionary()初始化 WordDictionary 对象。void addWord(word)将 word 添加到数据结构中，之后可以对它进行匹配。bool search(word)如果数据结构中存在字符串与word匹配，则返回 true ；否则，返回 false 。word 中可能包含字符.，.可以表示任何一个字母。示例:
输入： ["WordDictionary","addWord","addWord","addWord","search","search","search","search"] [[],["bad"],["dad"],["mad"],["pad"],["bad"],[".ad"],["b.."]] 输出： [null,null,null,null,false,true,true,true]解释： WordDictionary wordDictionary = new WordDictionary(); wordDictionary.addWord("bad"); wordDictionary.addWord("dad"); wordDictionary.addWord("mad"); wordDictionary.search("pad"); // 返回 False wordDictionary.search("bad"); // 返回 True wordDictionary.search(".ad"); // 返回 True wordDictionary.search("b.."); // 返回 True
解题思路
方法：前缀树（Trie）和DFS
-
初步分析：
- 使用前缀树（Trie）来存储所有添加的单词。
- 使用深度优先搜索（DFS）来处理带有通配符
.的搜索。
-
Trie 节点定义：
- 每个节点包含一个字典，用于存储子节点。
- 每个节点包含一个布尔值，表示是否为一个单词的结尾。
-
操作实现：
addWord: 插入一个单词到 Trie 中。search: 搜索一个单词，处理通配符.。
代码实现
class TrieNode:def __init__(self):self.children = {}self.is_end_of_word = Falseclass WordDictionary:def __init__(self):self.root = TrieNode()def addWord(self, word: str) -> None:node = self.rootfor char in word:if char not in node.children:node.children[char] = TrieNode()node = node.children[char]node.is_end_of_word = Truedef search(self, word: str) -> bool:def dfs(node, i):if i == len(word):return node.is_end_of_wordif word[i] == '.':for child in node.children.values():if dfs(child, i + 1):return Truereturn Falseif word[i] not in node.children:return Falsereturn dfs(node.children[word[i]], i + 1)return dfs(self.root, 0)# 测试案例
wordDictionary = WordDictionary()
wordDictionary.addWord("bad")
wordDictionary.addWord("dad")
wordDictionary.addWord("mad")
print(wordDictionary.search("pad")) # 输出: False
print(wordDictionary.search("bad")) # 输出: True
print(wordDictionary.search(".ad")) # 输出: True
print(wordDictionary.search("b..")) # 输出: True
复杂度分析
- 时间复杂度：
addWord: O(m)，其中 m 是插入单词的长度。search: O(m * n)，其中 m 是搜索单词的长度，n 是 Trie 树中节点的数量。
- 空间复杂度：O(m * n)，用于存储所有添加的单词。
模拟面试问答
问题 1：你能描述一下如何解决这个问题的思路吗？
回答：我们可以使用前缀树（Trie）来解决这个问题。通过前缀树存储所有添加的单词，使用深度优先搜索（DFS）处理带有通配符 . 的搜索。在搜索时，如果遇到通配符 .，则递归搜索所有子节点；否则，递归搜索匹配的子节点。
问题 2：为什么选择使用前缀树和深度优先搜索来解决这个问题？
回答：前缀树可以高效地存储和查找字符串前缀，适用于实现字典和前缀匹配的功能。深度优先搜索可以灵活地处理带有通配符 . 的搜索，通过递归遍历所有子节点，确保搜索结果的正确性。
问题 3：你的算法的时间复杂度和空间复杂度是多少？
回答：addWord 操作的时间复杂度为 O(m)，其中 m 是插入单词的长度。search 操作的时间复杂度为 O(m * n)，其中 m 是搜索单词的长度，n 是 Trie 树中节点的数量。空间复杂度为 O(m * n)，用于存储所有添加的单词。
问题 4：在代码中如何处理边界情况？
回答：对于空字符串和空搜索字符串的情况，可以直接返回相应的结果。通过这种方式，可以处理边界情况。
问题 5：你能解释一下前缀树和深度优先搜索的工作原理吗？
回答：前缀树是一种多叉树结构，用于高效地存储和查找字符串前缀。深度优先搜索是一种遍历树或图的算法，通过递归遍历所有子节点。在这个问题中，前缀树用于存储单词，深度优先搜索用于处理带有通配符 . 的搜索。
问题 6：在代码中如何确保返回的结果是正确的？
回答：通过前缀树存储所有添加的单词，在搜索时使用深度优先搜索处理带有通配符 . 的搜索，确保返回的结果是正确的。可以通过测试案例验证结果。
问题 7：你能举例说明在面试中如何回答优化问题吗？
回答：在面试中，如果面试官问到如何优化算法，我会首先分析当前算法的瓶颈，如时间复杂度和空间复杂度，然后提出优化方案。例如，可以通过减少不必要的操作和优化数据结构来提高性能。解释其原理和优势，最后提供优化后的代码实现。
问题 8：如何验证代码的正确性？
回答：通过运行代码并查看结果，验证返回的搜索结果是否正确。可以使用多组测试数据，包括正常情况和边界情况，确保代码在各种情况下都能正确运行。例如，可以在测试数据中包含多个单词和带有通配符的搜索字符串，确保代码结果正确。
问题 9：你能解释一下解决添加与搜索单词问题的重要性吗？
回答：解决添加与搜索单词问题在字符串处理和搜索算法中具有重要意义。通过学习和应用前缀树和深度优先搜索，可以提高处理字符串和前缀匹配问题的能力。在实际应用中，添加与搜索单词问题广泛用于文本处理、搜索引擎和自然语言处理等领域。
问题 10：在处理大数据集时，算法的性能如何？
回答：算法的性能取决于单词的长度和 Trie 树中节点的数量。在处理大数据集时，通过优化前缀树的实现和减少不必要的操作，可以显著提高算法的性能。例如，通过优化递归调用和减少不必要的节点遍历，可以减少时间和空间复杂度，从而提高算法的效率。
总结
本文详细解读了力扣第211题“添加与搜索单词 - 数据结构设计”，通过使用前缀树和深度优先搜索的方法高效地解决了这一问题，并提供了详细的解释和模拟面试问答。希望读者通过本文的学习，能够在力扣刷题的过程中更加得心应手。