有时，我们会碰到对字符串的排序，若采用一些经典的排序算法，则时间复杂度一般为O(n*lgn)，但若采用Trie树，则时间复杂度仅为O(n)。
Trie树又名字典树，从字面意思即可理解，这种树的结构像英文字典一样，相邻的单词一般前缀相同，之所以时间复杂度低，是因为其采用了以空间换取时间的策略。
下图为一个针对字符串排序的Trie树(我们假设在这里字符串都是小写字母)，每个结点有26个分支，每个分支代表一个字母，结点存放的是从root节点到达此结点的路经上的字符组成的字符串。
将每个字符串插入到trie树中，到达特定的结尾节点时，在这个节点上进行标记，如插入"afb"，第一个字母为a，沿着a往下，然后第二个字母为f，沿着f往下，第三个为b，沿着b往下，由于字符串最后一个字符为'\0'，因而结束，不再往下了，然后在这个节点上标记afb.count++，即其个数增加1.
之后，通过前序遍历此树，即可得到字符串从小到大的顺序。（图取自网络）
数据结构如下：
package com.trie; import java.util.ArrayList;
import java.util.List;
/**
* @author silence
* @since 2013/7/2
* */
public class Node {
boolean isWord = false;
Node[] child = new Node[26];//0-25：a:b
List<String> pos = new ArrayList<String>();
}
实现代码：
package com.trie;
/**
* @author silence
* @since 2013/7/2
* */
public class Trie {
private Node root;
Trie(){
root = new Node();
}
public void addWord(String word,String pos){
int len = word.length();
Node s = root;
for(int i =0;i<len;i++){
int ch = word.charAt(i)-97;//c2 h7
if(s.child[ch] !=null){//有节点了
s = s.child[ch];//后移 }else{//没节点
Node child = new Node();
if(i==len-1){//最后一个字符
child.isWord = true;
child.pos.add(pos);
}
s.child[ch] = child;//挂上节点
s = child;//后移
}
}
}
public void findWord(String word){
int len = word.length();
Node s = root;
for(int i =0;i<len;i++){
int ch = word.charAt(i)-97;
if(s.child[ch]!=null){//节点存在
s = s.child[ch];//后移
if(i == len -1){
for(String pos :s.pos){
System.out.println(pos);
}
} }else{
System.out.println("不存在这个单词");
return ;
} }
} public static void main(String[] args) {
Trie trie = new Trie();
trie.addWord("silence", "1");
trie.addWord("hello", "2");
trie.addWord("word", "3"); trie.findWord("silence"); } }