feat: Design Add And Search Words Data Structure 문제 풀이

Author: unpo88

design-add-and-search-words-data-structure/unpo88.py

@@ -0,0 +1,99 @@
+class TrieNode:
+    def __init__(self):
+        self.children = {}
+        self.is_end_word = False
+
+
+class WordDictionary:
+
+    def __init__(self):
+        self.root = TrieNode()
+
+    def addWord(self, word: str) -> None:
+        node = self.root
+        for char in word:
+            if char not in node.children:
+                node.children[char] = TrieNode()
+            node = node.children[char]
+        node.is_end_word = True
+
+    def search(self, word: str) -> bool:
+        return self._dfs(self.root, word, 0)
+
+    def _dfs(self, node: TrieNode, word: str, index: int) -> bool:
+        # 단어 끝에 도달하면 is_end_word 확인
+        if index == len(word):
+            return node.is_end_word
+
+        char = word[index]
+
+        if char == '.':
+            # '.'는 모든 자식 노드 탐색
+            for child in node.children.values():
+                if self._dfs(child, word, index + 1):
+                    return True
+            return False
+        else:
+            # 일반 문자는 해당 자식으로 이동
+            if char not in node.children:
+                return False
+            return self._dfs(node.children[char], word, index + 1)
+
+
+"""
+================================================================================
+풀이 과정
+================================================================================
+
+[1차 시도] 길이별 그룹화 + 브루트포스 매칭
+────────────────────────────────────────────────────────────────────────────────
+1. 아이디어: 같은 길이 단어끼리 묶고, 하나씩 패턴 비교
+   words = { 3: ["bad", "dad", "mad"] }
+   search(".ad") → 모든 길이 3 단어와 비교
+
+2. 문제점: Time Limit Exceeded!
+   - 같은 길이 단어가 많으면 O(N × L) 반복
+   - LeetCode 테스트케이스에서 시간 초과
+
+3. 더 효율적인 방법 필요 → Trie로 접근
+
+────────────────────────────────────────────────────────────────────────────────
+[2차 시도] Trie (트라이) 자료구조
+────────────────────────────────────────────────────────────────────────────────
+4. Trie 구조 (bad, dad, mad 저장 후):
+
+   root
+   ├── 'b' → 'a' → 'd' (is_end_word=True)
+   ├── 'd' → 'a' → 'd' (is_end_word=True)
+   └── 'm' → 'a' → 'd' (is_end_word=True)
+
+5. 동작 예시:
+
+   search("bad"):
+   root → 'b' → 'a' → 'd' → is_end_word=True → True
+
+   search(".ad"):
+   root → '.' (모든 자식 탐색)
+        → 'b' → 'a' → 'd' → True (첫 번째에서 찾음!)
+
+   search("b.."):
+   root → 'b' → '.' (모든 자식)
+              → 'a' → '.' (모든 자식)
+                    → 'd' → True
+
+6. 왜 Trie가 더 빠른가?
+   - 정확한 문자: O(1)로 해당 자식만 탐색
+   - '.': 해당 위치에서만 분기, 이후는 다시 좁혀짐
+   - 브루트포스: 모든 단어를 처음부터 끝까지 비교
+
+7. 시간복잡도:
+   - addWord: O(L) - L은 단어 길이
+   - search: O(L) ~ O(26^m) - m은 '.' 개수 (보통 적음)
+
+8. 공간복잡도: O(N × L) - 모든 단어의 문자 저장
+
+9. 구현 포인트:
+    - TrieNode 클래스 분리 → 가독성 향상
+    - _dfs 재귀로 '.' 처리 → 모든 자식 탐색
+    - is_end_word로 단어 끝 표시 → 접두사와 구분
+"""