前景： 力扣里所谓的简单题并不一定简单，很多的官方解题思路都是很巧妙的。
暂时做个记录
很简单的知识点
bool类型的true转换为整数是1，false转换为整数是0
主要涉及题型：
排序，各种奇怪的排序：
按奇、偶排序： 例如力扣#905题，
利用交换实现排序，结合map等等
查找：
数组、链表等的反转
树相关的问题：
字符串相关的重复、查找等：
最长、最短等一系列经典的动态规划相关的题目：
不同的经典数据结构的拓展和互相模拟：栈模拟队列，队列模拟栈，增加记录最大值功能的栈等等
练题过程中涉及到的一些知识点：
基础的：
STL相关的一系列操作：其中用的最多的就是vector和unordered_map ,stack偶尔也会用到，优先队列（priority_queue）也有用到过，还有一些对字符串string 的操作（可以find，push_back等）
1.对数组和字符串的一些巧妙方法：例如反转左右部分再整体反转等等；
2.vector和map的结合使用：例如利用map中查找元素的时间复杂度为O（1）的特点，用map的空间消耗，换取时间上的优势
3.诸如：字典树这种巧妙的结构，字典树（用来查找字符串，速度甚至比hash还快）
字典树：
又称单词查找树，Trie树，前缀树，是一种树形结构，是一种哈希树的变种。典型应用是用于统计，排序和保存大量的字符串（但不仅限于字符串），所以经常被搜索引擎系统用于文本词频统计。它的优点是：利用字符串的公共前缀来节约存储空间，最大限度地减少无谓的字符串比较，查询效率比哈希表高。
字典树的基本功能是用来查询某个单词（前缀）在所有单词中出现次数的一种数据结构，它的插入和查询复杂度都为O(len),Len为单词（前缀）长度，但是它的空间复杂度却非常高，如果字符集是26个字母，那每个节点的度就有26个，典型的以空间换时间结构。
下面我们选的存储字典树节点的数据结构为：
typedef struct node
{
struct node *next[Max]; //表示对于每个节点最多有26个孩子节点
int num; //表示存储的孩子节点的个数
bool flag;//表示当前节点是否为字符串的结尾，或者是字符串的前缀
}Node;
说明：
最常用的有三个操作，插入单词、搜索单词是否在字典树中、搜索前缀是否在字典树中。
插入单词：node指向根节点，从单词的第一个字符开始判断，该字符是否在节点指向的字母映射表中出现（不为nullptr空指针），如果没有出现过就创建对应的内存空间，然后node指向对应字母的链接。重复操作，直到该单词全部插入完，再另最后的尾结点node->flag=true()（表示一个单词的结尾）。有点类似链表的插入。
查找单词是否在字典树中：同样，node先指向根节点，然后从单词的第一个字符开始判断，该字符是否在node指向的字母映射表中出现，如果没有出现直接return false，否则node指向对应字母的链接，重复操作，直至单词全部查询完。最后再判断node->flag == true?，如果不为true，则表示并不是单词的结尾（该单词没有出现在字典树中，只是前缀包含了该单词）。
查找前缀是否出现在字典树中 ：跟上面查找单词是一样的，只是最后不用再判断flag。
字典树的典型应用：
1.统计一组字符串中某前缀出现的次数（直接用上面的代码就行）。
2.判断一组字符串中是否有一个字符串是另一个字符串的前缀。
分析：我们只要在结点中添加一个nEndFlag成员变量即可。若nEndFlag == 1，说明该结点字符是某一字符串的结尾(假设为A)，若在插入B字符串的过程中经过这一结点，则说明A是B的 前缀；还有一种情况，当要插入最后一个字符c时，却发现p->next[c-'a']为真，则说明该字符串是一个前缀字符串，eg:先插入abcde,再插入abc这种情况。
3. 串排序：给定N个互不相同的仅由一个单词构成的英文名，让你将他们按字典序从小到大输出
用字典树进行排序，采用数组的方式创建字典树，这棵树的每个结点的所有儿子很显然地按照其字母大小排序。对这棵树进行先序遍历即可。
实际应用举例：
以上字典树的知识来源于 https://www.cnblogs.com/dlutxm/archive/2011/10/26/2225660.html