通过 trie 算法建立的树如图

通过 trie 算法建立的单词查找，很明显，有打上“X”的节点，从根到该节点所有字符连起
来，就是一个完整的单词。
比如有搜索，搜索引擎等等。

那么在识别单词的时候也就很简单了，只要顺着边走，直到匹配的单词结束，就可通过当前
的树的节点有没有打上“X”，就可以清楚的知道，这个单词存不存在。或者还有一种可能，
就是无路可走，也就是单词还没有匹配完，但是已经到了叶子节点，那么这个单词肯定就不
存在。

举个例子，比如要识别"搜索"这个单词。那么它走过的路径就是"root->搜->索"，匹配完成后，
刚好"索"这个节点有打上“X”，也就说明“搜索”这个单词存在。反之，就不存在。

基本的算法和数据结构就是这样，单词的识别，相对与下一节要讨论的自然语言分词要简单
得多得多得多得多！！！

ok，下面通过程序来看看搜索的速度，本例子采用的词库是 IKAnalyzer 的默认词库，总共的
单词大概有 30 万个，全部是中文。

首先建立数据结构

/*

* trie.h
*

Created on: Aug 28, 2013

*

Author: sean

*/

#ifndef TRIE_H_
#define TRIE_H_