T9联系人搜索算法

T9联系人搜索算法

T9搜索算法是国内很常用的一个联系人查找算法,能够帮助我们在众多的联系人中快速定位想要找的人。

今天我们以前讨论一下,如何实现一个简单的T9 搜索算法。

一、功能梳理

首先我们梳理一下要实现什么样的效果。

如下图所示的拨号盘,假设我们想查找联系人张三,张三姓名的拼音是:Zhang San,我们希望类似九宫格输入法输入Zhang 一样通过按“9”、“4”、“2”、“6”、“4” 能匹配到所有姓名以Zhang开头的联系人,或者继续输入San对应的按键:“7”、“2”、“6”来快速定位拼音是Zhang San 的联系人。

image-20201214152626793.png

二、实现思路

功能很简单,可以通过构建一个基于联系人姓名拼音的树来解决。

一共分两步:

  • 基于拼音、拼音字母和数字键的映射,构建查找树。
  • 基于键盘输入在树种进行查找。

1、树的构建

按照拼音字母顺序构建一个树,这个树的每个节点是一个字母(联系人姓名的拼音),联系人都在叶子节点上。

例如有:李四李琪李青三个联系人

李四:L I S I

李琪:L I Q I

李青:L I Q I N G

可以通过拼音构建出如下的树:


image.png

再将字母转换为键盘上的数字,例如“L”在按键“5”上,“I”在按键“4”上,以此类推。得到一个由数字构成的树。

image.png

其中第三层的“S”和“Q”都在按键“7”上,所有合并为了一个节点。

2、根据键盘输入进行查找

假设我们要查找李青,键盘输入的顺序是 54746

  • 输入:5

    从根节点开始,向后查找,发现子节点“5”,此时遍历节点“5”的所有子节点,找出所有叶子节点,就可以得到所有拼音以“5”对应的字母“JKL”开头的联系人。

    得到联系人:李四、李琪、李青

  • 输入:54

    继续从节点“5”向后查找,得到节点“4”,遍历“4”的所有子节点,找出所有叶子节点,得到拼音以“JKL”和“GHI”笛卡尔积之后的所有组合开头的联系人,在此例子中为:“JG”、“JH”、“JI”、“KG”、“KH”、“KI”、“LG”、“LH”、“LI”,其中包含我们要找的 李青的拼音前缀“LI”,由于笛卡尔积的数量会越来越多,后面的步骤不在一一列举。

    得到联系人:李四、李琪、李青

  • 输入:547

    继续从节点“4”向后查找,得到节点“7”,遍历“7”的所有子节点,找出所有叶子节点。

    得到联系人:李四、李琪、李青

  • 输入:5474

    继续从节点“7”向后查找,得到节点“4”(注意,此节点和之前的节点“4”不是同一个节点),遍历“4”的所有子节点,找出所有叶子节点。此时李四已经不满足条件被筛选掉。

    得到联系人:李琪、李青

  • 输入:54746

    继续从节点“4”向后查找,得到节点“6”,遍历“6”的所有子节点,找出所有叶子节点。此时李四和李琪已经不满足条件被筛选掉。

    得到联系人:李青

经过层层筛选,我们最终得到了想要查找的联系人“李青”

三、优化

你会发现,我们需要输入完整的拼音才能找到联系人,为了解决这个问题,我们还可以同时用姓名的拼音首字母构建第二棵树。在查找第一棵树的同时,也在第二棵树上进行同样的查找,此时就可以更快的将目标联系人输出到屏幕上。

需要注意的是,T9搜索算法的应用场景并不追请非常精准的定位到具体的某一位联系人,有可能两个联系人的查找路径是完全一样的(即一个节点上有两个或多个叶子节点)原因是一个数字键会对应多个字母。

所有T9搜索算法是一种模糊搜索,目的是帮助用户减少需要翻阅的结果的数量,缩小查找范围。

本篇文章仅仅简单的讨论了一下实现T9搜索的算法,才疏学浅,文笔有限,可能有没讲清楚透彻的地方,如果大家有兴趣,可以自行通过自己熟悉的编程语言写写看,在实战中加深理解。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,444评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,421评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,036评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,363评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,460评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,502评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,511评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,280评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,736评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,014评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,190评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,848评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,531评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,159评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,411评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,067评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,078评论 2 352

推荐阅读更多精彩内容