数据结构——键树

       偶然在网上看见C#实现的键树，以前不知这东东是啥玩意（数据结构没过关），有何用途？于是仔细研学了一把，本人对这种算法的东西，看着就头痛，自己照着做了一遍。基本参考网上已实现的代码算法，放于此，给自己做个参考，以备查阅。以下是代码： 

using System;using System.Collections.Generic;using System.Text;namespace AlgorithmTest{    /// <summary>    /// 键树(一般应用于大数据量的查找)    /// <remarks>    /// 如果一个关键字可以表示成字符的序号，即字符串，那么可以用键树（keyword tree），    /// 又称数字搜索树（digital search tree）或字符树，来表示这样的字符串的集合。    /// 键树是一棵多叉树，树中每个结点并不代表一个关键字或元素，而只代表字符串中的一个字符。    /// 例如，它可以表示数字串中的一个数位，或单词中的一个字母等等。根结点不代表任何字符，    /// 根以下第一层的结点对应于字符串的第一个字符，第二层的结点对应于字符串的第二个字符……    /// 每个字符串可由一个特殊的字符如“$”等作为字符串的结束符，用一个叶子结点来表示该特殊字符。    /// 把从根到叶子的路径上，所有结点（除根以外）对应的字符连接起来，就得到一个字符串。因此，    /// 每个叶子结点对应一个关键字。在叶子结点还可以包含一个指针，指向该关键字所对应的元素。    /// 整个字符串集合中的字符串的数目等于叶子结点的数目。如果一个集合中的关键字都具有这样的字符串特性，    /// 那么，该关键字集合就可采用这样一棵键树来表示。事实上，还可以赋予“字符串”更广泛的含义，    /// 它可以是任何类型的对象组成的串。    /// </remarks>    /// </summary>    [Serializable()]    public class KeyTree    {        private bool _keyChanged = false;        //根节点        private KeyTreeNode rootNode = new KeyTreeNode();        //添加数到键数中        public void AddKey(long key)        {            string strKey = key.ToString();            KeyTreeNode tempNode = rootNode;            for (int i = 0; i < strKey.Length; i++)            {                int index = int.Parse(strKey[i].ToString());                if (i == strKey.Length - 1)                {                    tempNode.endFlags[index] = true;                    _keyChanged = true;                    break;                }                if (tempNode.pointers[index] == null)                    tempNode.pointers[index] = new KeyTreeNode();                tempNode = tempNode.pointers[index];            }        }        //删除key        public void RemoveKey(long key)        {            string strKey = key.ToString();            KeyTreeNode tempNode = rootNode;            for (int i = 0; i < strKey.Length; i++)            {                int index = int.Parse(strKey[i].ToString());                if (tempNode != null)                {                    if (i == strKey.Length - 1 && tempNode.endFlags[index] == true)                    {                        tempNode.endFlags[index] = false;                        _keyChanged = true;                    }                    else                    {                        tempNode = tempNode.pointers[index];                    }                }                else                {                    break;                }            }        }        //key存在判定        public bool IsExist(long key)        {            string strKey = key.ToString();            KeyTreeNode tempNode = rootNode;            for(int i =0;i<strKey.Length;i++)            {                int index = int.Parse(strKey[i].ToString());                if (tempNode != null)                {                    if (i == strKey.Length - 1 && tempNode.endFlags[index] == true)                        return true;                    else                        tempNode = tempNode.pointers[index];                }                else                {                    return false;                }            }            return false;        }        //key清除        public void Clear()        {            for (int i = 0; i < rootNode.pointers.Length; i++)            {                rootNode.pointers[i] = null;                rootNode.endFlags[i] = false;            }            _keyChanged = true;            _lstKey.Clear();        }        //取得全部的key        private List<long> _lstKey = new List<long>();        public List<long> Keys        {            get            {                if (_keyChanged)                {                    _lstKey.Clear();                    FindAllKey(rootNode, "", ref _lstKey);                    _keyChanged = false;                }                return _lstKey;            }        }        //（这个递归，头都想大了，我太菜了。。。）        private void FindAllKey(KeyTreeNode treeNode, string strKey, ref List<long> lstKey)        {            for (int i = 0; i < treeNode.pointers.Length; i++)            {                string keyTemp = strKey + i.ToString();                if (treeNode.endFlags[i] == true)                {                    lstKey.Add(Convert.ToInt64(keyTemp));                }                  if (treeNode.pointers[i] != null)                {                    FindAllKey(treeNode.pointers[i], keyTemp, ref lstKey);                }                          }        }    }    [Serializable]    public class KeyTreeNode    {        public KeyTreeNode[] pointers = new KeyTreeNode[10];        public bool[] endFlags = new bool[10];    }    }

测试代码：

            m_keyTree.Clear();            System.Diagnostics.Stopwatch sw = new System.Diagnostics.Stopwatch();            sw.Start();            for (long i = 0; i < long.Parse(this.textBox1.Text); i++)            {                m_keyTree.AddKey(i);            }            sw.Stop();            MessageBox.Show("time:" + sw.ElapsedMilliseconds);            System.Runtime.Serialization.Formatters.Binary.BinaryFormatter bf = new System.Runtime.Serialization.Formatters.Binary.BinaryFormatter();            System.IO.MemoryStream ms = new System.IO.MemoryStream();            bf.Serialize(ms, m_keyTree);            MessageBox.Show("byte(kb):" + ms.Length / 1024);  

经过测试，发现这种键数的查找速度和HashTable基本相当，但是内存用量却只有HashTable的一半不到。这个对于大容量的数据查找还是一种可行的方法。

备注：key值为long型，对于一些字符串或对象集合的查找处理，可用对象的GetHashCode（）方法转换成一个哈希值，再使用KeyTree。