假设我正在寻找一个单词，它可能出现在 95k 单词的字典中，也可能不在 - 我无法使用单词长度来方便搜索。我的问题是关于在不进行 O(n) 查找的情况下找到单词的最快方法。
这是我的两个想法：
首先，将单词存储在 hast 表中，查找单词是 O(1)，这似乎是我认为最好的方案，但也有人建议使用 Trie 浏览不同的网站，我的问题是是否拥有一个包含这么多单词的 Trie 是很实用的。 在这种情况下，查找将是 O(k)。
那么在大字典中查找单词的最佳方法是什么？
【问题讨论】：
标签： algorithm
优化取决于您的用例 - 您关心查找时间还是空间？ （另外，你关心插入新词吗？）。
您可以在时间方面做的最好的事情是使用哈希表，但对于字典来说，它的空间效率很低。 trie 压缩了空间要求，因为它存储前缀，而不是整个单词，但查找时间更长。因此，要回答您的问题，使用包含大量单词的 trie 比哈希表更节省空间。
【讨论】：
如果您只是搜索单个单词，则设置哈希表或树结构的成本将超过线性搜索。当这些结构的成本在（非常）多次使用中摊销时，这些结构变得（非常）高效。
如果字典已排序（为什么字典不排序？），那么您可以在 log(n) 时间内通过对文件进行二进制搜索来查找单个单词，而无需其他结构。
【讨论】：
我认为在字典中查找单词的最佳方法是 B+ 树。让我解释一下原因。
假设您有一个包含 10 个字符串的根块。块中的字符串已排序。这 10 个字符串后跟一个指向另一个 10 个字符串单元格的指针，然后就是一个。所以您唯一要做的就是只是字符串比较你的关键字，从第一个开始，直到你找到一个比较小的单词（StringCompare）。
如果我们将每个字符串旁边都有一个指针作为标准，该指针指向一个带有比较小的单词的单元格，那么您将需要 5 个步骤和 5 个比较才能结束最终的数据括号可能包含也可能不包含您的关键字。
在 5 次比较 + 最后括号中的比较中，您正在搜索 10*10*10*10*10 单词的字典。
算法是对数速度Log 100000，以单元格中的字符串数为底。如果每个单元格有10个单词，则需要5个步骤。
我必须提到，只有树的根必须存储在 RAM 内存中。所有其他块都可以存储在硬盘驱动器中，而不会因为几个步骤而显着降低性能。
希望我解释正确 :D 至少我试过了！玩得开心
【讨论】：
Trie 更可取，因为这种数据结构可以比哈希表更快。哈希表仅在理想情况下为O(1)，在现实世界的应用程序中可能会发生冲突。不同类型的 trie 数据结构不会受此影响。
另一种情况是压缩。 Trie 比哈希表更紧凑。哈希表需要一些空间来进行高效的插入操作。如果哈希表的负载因子接近 100%，则插入操作需要很长时间。
对于哈希表，您必须将您的密钥与字典中的至少一个密钥进行比较，在这种情况下，密钥比较采用 O(k) 其中 k 的密钥长度。使用 trie 你做同样的事情，你的查找操作是O(k)。
尝试允许有序遍历，哈希表 - 不要。
那里有许多类型的尝试，例如三元搜索尝试在这种特殊情况下非常好。与常规哈希表相比，数组映射的 trie 也非常快。
【讨论】：