男友范儿第一次在力扣上刷到"实现 Trie（前缀树）"的时候，我不太服气——不就是一棵树吗？HashMap 也能存字符串，何必折腾。直到后来负责公司评论过滤模块，几十万条敏感词用字符串匹配硬顶，生产环境 CPU 被干到报警，我才彻底想明白一件事：前缀树的价值，不在于它能存什么，而在于它怎么存。力扣热题 100 把这道题排在第 49 位，原题号是 208，要求实现一个 Trie 类，支持 insert、search 和 startsWith 三个方法。看起来简单，却是后面一整套 Trie 类高频题的地基：带通配符的搜索、单词搜索 II、异或最大值、单词替换，全都从这里长出来。这篇文章，我想把一个刷题人从"看懂题解"到"真正会写"的过程完整记录下来。
1. 为什么刷过几百道题，我仍然把这道题当重点
1.1 一次被"自动补全"问倒的面试经历
我记得很清楚，有一场面试，面试官让我现场写一个自动补全的雏形。我理所当然地打开编辑器，打算用一个 HashMap 把所有历史搜索词存起来，然后写个方法遍历 key，凡是 key.startsWith(prefix) 就返回。写了两行，面试官就问了一句："如果用户输入一个字母，你就全表扫一遍，qps 一上来，扛得住吗？"
那一瞬间我意识到，我从来没有认真想过前缀匹配的性能问题。HashMap 最擅长回答的是"这个完整字符串有没有出现过"，但它完全没有办法回答"哪些字符串以某个前缀开头"。你可以把 scan 当成方案，但在真实场景里，那是最笨的一种方案。那次之后，我把 Trie 从头到尾研究了一遍，也终于理解了为什么热题 100 会专门给它留一个位置。
1.2 前缀树到底解决了什么问题，和哈希表比强在哪
Trie 的英文全称是 retrieval tree，意译过来就有"检索"的意思。它的核心思路很简单：把单词拆成一个个字符，逐层存到树上。所有单词共享公共前缀，前缀只存一次。比如插入 apple 和 apply，前面四个字符 a-p-p-l 走的是同一段路径，到最后一个字符才分叉，一个走向 e，一个走向 y。
拿哈希表一对比就非常直观了。HashMap 存的是"完整单词"，Trie 存的是"前缀路径"。所以你要查一个完整字符串，两者都能回答；但你要查一个前缀，HashMap 只能把所有