trie树词频统计根据频率排序

对于 trie 树词频统计，我们可以先使用 trie 树将所有的单词插入到树中，并在每个节点上记录该单词出现的次数。然后，我们可以进行一次深度优先搜索，将所有的单词及其出现次数存储到一个列表中。最后，我们可以对这个列表按照出现次数进行排序，从高到低排列，以得到每个单词的词频排名。

以下是一个 Python 实现：

class TrieNode:
    def __init__(self):
        self.children = {}
        self.is_word = False
        self.count = 0

class Trie:
    def __init__(self):
        self.root = TrieNode()

    def insert(self, word):
        node = self.root
        for c in word:
            if c not in node.children:
                node.children[c] = TrieNode()
            node = node.children[c]
        node.is_word = True
        node.count += 1

    def _dfs(self, node, word, res):
        if node.is_word:
            res.append((word, node.count))
        for c in node.children:
            self._dfs(node.children[c], word + c, res)

    def get_word_count(self):
        res = []
        self._dfs(self.root, "", res)
        res.sort(key=lambda x: x[1], reverse=True)
        return res

在主程序中，我们可以先构建 trie 树，然后调用 `get_word_count` 方法来获取单词的词频排名：

words = ["apple", "banana", "orange", "pear", "apple", "banana", "banana"]
trie = Trie()
for word in words:
    trie.insert(word)

word_count = trie.get_word_count()
for i, (word, count) in enumerate(word_count):
    print(f"{i+1}. {word}: {count}")