用于搜索文件名并获取其路径的数据结构

Question

我将以动态方式插入文件名称，大约直到 10 亿个名称。此外，我还想存储文件所在的路径，以便进行以下查询：

• 搜索是否存储了文件名以获取其路径。
• 搜索与子字符串匹配的所有文件的名称，有点像类似查询（例如，如果搜索 *o*，它将返回我 joel、hola、ola、oso、osea、algo，如果搜索 aa*，它会返回我 aaab，如果我搜索 *so，它会返回 oso)。
• 删除文件名。

所以，我正在尝试通过以下方式制作一种 trie 数据结构：

我有 26 个节点（英文字母 az，我不会将所有节点都放在图像中，因为空间）这样如果我插入单词“hola”，那么我会从带有字母 'h 的节点创建一条边' 到带有字母 'o' 的节点，并且其边缘的数据为 1，因为该数字表示深度的级别。此外，在存储'a'的节点中，我将有一个映射结构来存储文件的路径，这是因为我肯定会在包含字母'a'的节点中存储很多路径.

话虽如此，我插入了以下单词：joel、hola、ola、oso、osea、algo、aaab。

我这样做是因为我不希望有很多带有同名字母的节点（例如 a、b 等），但问题是我有很多边和结构需要

内存字节数（我正在使用 C++ 编程），其中 w 是大小为 的字符串。

如您所见，如果我搜索文件“jola”的名称（未插入），则不会返回任何路径，这告诉我们没有存储此类文件。

我该如何改进呢？有什么办法可以减少边数？还是有更好的结构和方法来做到这一点？我很乐意听到任何建议。

Answer 1

我过去解决了一个有点类似的问题，用于存储填字游戏的单词列表，并且非常快速地找到单词。我称它为“超级索引”。我的主要目标是速度，而不是存储大小，但最初的问题并没有说明作者认为的“改进”：也许是大小，也许是速度，也许是算法复杂度。我的方法以相对较小的复杂性产生了巨大的速度，但在存储大小上节省了相当多的空间。方法如下：

1. 使用树，而不是图表。树中的每个节点最多有 26 个“条目”。每个条目代表字母表中的一个字母并包含到子节点的链接，或者，如果条目属于叶节点，则链接到“有效负载”，在您的情况下是“路径”。因此，当一个节点包含给定字母的条目时，这表示在该位置存在一个带有该字母的“名称”。 （位置是树中节点的深度。）

2. 按名称长度分隔所有名称，因为这很容易确定。为每个名称长度使用完全独立的树。这意味着在每棵树中，所有叶节点的深度完全相同，并且树中唯一包含附加数据（在您的情况下为路径）的节点是叶节点。这让事情变得非常简单。

所以，搜索算法如下：

1. 在具有不同名称长度的所有不同树中，使用与您要搜索的“名称”长度相对应的树。
2. 从您要查找的“名称”的第一个字母开始，在树的根节点处。
3. 在当前节点中查找当前字母的入口；如果不存在这样的条目，则未找到该名称，完成。否则：
4. 如果我们已到达叶节点，则已找到名称，返回有效负载，在您的情况下是“路径”。否则：
5. 转到您要查找的单词的下一个字母；按照从当前节点中找到的条目到下一个子节点的链接；转到第 3 步。

如您所见，这是一个相当简单的算法，并且保证非常快。如果没有任何进一步的优化，存储要求将是每个存储的名称一个“条目”的顺序，一个“条目”将由一个字符和一个指针组成。

然后，可以进行多种优化。例如，“条目”在推理您的数据结构时可能是有用的概念，但在实际实现中可能会完全消失：在每个节点中，您可以有一个“摘要”32 位机器字，其中每个前 26 位表示节点中是否存在相应的字母表，然后是指向子节点（或有效负载）的指针数组，其中包含与摘要字中设置的位一样多的元素。