[英]Where does the difference in size come from?
我創建了一個trie來將所有單詞(非定義)存儲在英語詞典中。 這樣做的目的是讓我可以得到在給定范圍內僅包含字母的所有單詞。
包含所有單詞的文本文件大約為2.7 mb,但是在創建樹並將其使用pickle寫入文件后,文件的大小為> 33 mb。
大小上的差異從何而來? 我以為我可以節省空間,因為不需要為不同的單詞存儲同一字母的多個副本,例如對於單詞app和apple我只需要5個節點,對於-> p-> p-> l-> e 。
我的代碼如下:
import pickle
class WordTrieNode:
def __init__(self, nodeLetter='', parentNode=None, isWordEnding=False):
self.nodeLetter = nodeLetter
self.parentNode = parentNode
self.isWordEnding = isWordEnding
self.children = [None]*26 # One entry for each lowercase letter of the alphabet
def getWord(self):
if(self.parentNode is None):
return ''
return self.parentNode.getWord() + self.nodeLetter
def isEndOfWord(self):
return self.isWordEnding
def markEndOfWord():
self.isWordEnding = True
def insertWord(self, word):
if(len(word) == 0):
return
char = word[0]
idx = ord(char) - ord('a')
if(len(word) == 1):
if(self.children[idx] is None):
node = WordTrieNode(char, self, True)
self.children[idx] = node
else:
self.children[idx].markEndOfWord()
else:
if(self.children[idx] is None):
node = WordTrieNode(char, self, False)
self.children[idx] = node
self.children[idx].insertWord(word[1:])
else:
self.children[idx].insertWord(word[1:])
def getAllWords(self):
for node in self.children:
if node is not None:
if node.isEndOfWord():
print(node.getWord())
node.getAllWords()
def getAllWordsInRange(self, low='a', high='z'):
i = ord(low) - ord('a')
j = ord(high) - ord('a')
for node in self.children[i:j+1]:
if node is not None:
if node.isEndOfWord():
print(node.getWord())
node.getAllWordsInRange(low, high)
def main():
tree = WordTrieNode("", None, False)
with open('en.txt') as file:
for line in file:
tree.insertWord(line.strip('\n'))
with open("treeout", 'wb') as output:
pickle.dump(tree, output, pickle.HIGHEST_PROTOCOL)
#tree.getAllWordsInRange('a', 'l')
#tree.getAllWords()
if __name__ == "__main__":
main()
特里的節點很大,因為它們存儲着所有可能的下一個字母的鏈接。 正如您在代碼中看到的那樣,每個節點都包含26個鏈接(子代)的列表。
可能會有更緊湊的方案( https://en.wikipedia.org/wiki/Trie#Compressing_tries ),但代價是更加復雜且速度較慢。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.