From 48bcea75b469172de6422f55c059b74ab330ee41 Mon Sep 17 00:00:00 2001
From: wizardforcel <562826179@qq.com>
Date: Thu, 10 Aug 2017 10:24:10 +0800
Subject: [PATCH] ex23

---
 ex23.md | 101 ++++++++++++++++++++++++++++++++++++++++++++++++++++++++
 1 file changed, 101 insertions(+)
 create mode 100644 ex23.md

diff --git a/ex23.md b/ex23.md
new file mode 100644
index 0000000..bed0820
--- /dev/null
+++ b/ex23.md
@@ -0,0 +1,101 @@
+# 练习 23：三叉搜索树
+
+> 原文：[Exercise 23: Ternary Search Trees](https://learncodethehardway.org/more-python-book/ex23.html)
+
+> 译者：[飞龙](https://github.com/wizardforcel)
+
+> 协议：[CC BY-NC-SA 4.0](http://creativecommons.org/licenses/by-nc-sa/4.0/)
+
+> 自豪地采用[谷歌翻译](https://translate.google.cn/)
+
+我们将研究的最终数据结构称为三叉搜索树（TSTree），它可以在一组字符串中的快速查找字符串。它类似于`BSTree`，但是它有三个子节点，而不是两个，每个子节点只是一个字符而不是整个字符串。在`BSTree`中，左子节点和右子节点是树的“小于”和“大于”的分支。在`TSTree`中，左子节点，中子节点和右子节点是“小于”，“等于”和“大于”的分支。这可以让你选取一个字符串，将其分解成字符，然后遍历`TSTree`，每次一个字符，直到找到它或者你到达了末尾。
+
+通过将你要搜索的一组键拆成单个字符的节点，`TSTree`高效地使用空间换取时间。每一个这些节点将占用比`BSTree`更多的空间，但这允许你仅仅通过比较键中的字符来搜索键。使用`BSTree`，您必须比较每个节点的键和被搜索键中的大多数字符。使用`TSTree`，您只需要比较被搜索键的每个字母，当您到达末尾，就完成了。
+
+`TSTree`的另一件不错的事情是，它知道一个键何时不存在于集合中。想象一下，您的键的长度为 10 个字符，您需要在一组其他的键中找到它，但是如果键不存在，则需要快速停止。使用`TSTree`，您可以在一到两个字符的地方停止，到达树的末尾，并且知道这个键不存在。您最多只能比较键中的 10 个字符来发现它，字符比较比`BSTree`少得多。
+
+## 挑战练习
+
+这个练习中，你打算完成另一个“代码大师复制”的一部分，之后独立完成`TSTree `。你所需的代码是：
+
+```py
+class TSTreeNode(object):
+
+    def __init__(self, key, value, low, eq, high):
+        self.key = key
+        self.low = low
+        self.eq = eq
+        self.high = high
+        self.value = value
+
+
+class TSTree(object):
+
+    def __init__(self):
+        self.root = None
+
+    def _get(self, node, keys):
+        key = keys[0]
+        if key < node.key:
+            return self._get(node.low, keys)
+        elif key == node.key:
+            if len(keys) > 1:
+                return self._get(node.eq, keys[1:])
+            else:
+                return node.value
+        else:
+            return self._get(node.high, keys)
+
+    def get(self, key):
+        keys = [x for x in key]
+        return self._get(self.root, keys)
+
+    def _set(self, node, keys, value):
+        next_key = keys[0]
+
+        if not node:
+            # what happens if you add the value here?
+            node = TSTreeNode(next_key, None, None, None, None)
+
+        if next_key < node.key:
+            node.low = self._set(node.low, keys, value)
+        elif next_key == node.key:
+            if len(keys) > 1:
+                node.eq = self._set(node.eq, keys[1:], value)
+            else:
+                # what happens if you DO NOT add the value here?
+                node.value = value
+        else:
+            node.high = self._set(node.high, keys, value)
+
+        return node
+
+    def set(self, key, value):
+        keys = [x for x in key]
+        self.root = self._set(self.root, keys, value)
+```
+
+您需要使用您学到的“代码大师复制”方法学习。要特别注意如何处理`node.eq`路径以及如何设置`node.value`。一旦你了解了`get`和`set`的工作方式，你将实现剩下的函数和所有的测试。要实现的函数有：
+
+> `find_shortest`
+
+> 给定一个关键字`K`，找到以`K`开头的最短键/值对。这意味着如果您的`set`中有`apple`和`application` ，那么调用`find_shortest("appl")`将返回关联`apple`的值。
+
+> `find_longest`
+
+> 给定一个关键字`K`，找到以`K`开头的最长键/值对。这意味着如果您的`set`中有`apple`和`application` ，那么调用`find_shortest("appl")`将返回关联`application`的值。
+
+> `find_all`
+
+> 给定一个关键字`K`，找到以`K`开头的所有键/值对。我会先实现它，然后基于它实现`find_shortest`和`find_longest`。
+
+> `find_part`
+
+> 给定一个关键字`K`，找到最短的键，它拥有`K`的开头的一部分。研究如何以及在哪里设置`node.value`来使其生效。
+
+## 研究性学习
+
++   查看原始代码的注释，看看在`_set`过程中，在哪里放置`value`。修改它会修改`get`的含义吗？为什么？
++   确保你使用随机数据来测试，并测量一些性能。
++   您也可以在`TSTree`中进行模糊匹配。我认为这是一个附加题，所以尝试实现它们，看看你想出了什么。部分匹配是，`'a.p.e'`匹配`"apple"`、`"anpxe"`和`"ajpqe"`。
++   如何搜索字符串的结尾？提示：不要过度考虑它。