假如我们把字典中的词以记录的形式（无序）存入数据库中。现给定一串字符，要查找该字符串是否为字典中的词。因为数据库中的记录是无序的，所以，最朴素的方法就逐记录匹配。此方法简单，但是效率不高。因为每次匹配都必须从首字符开始。当然，可以将数据库中的记录按字符编码进行排序。这样，首字相同的词的记录都聚集在某个区间，匹配首字时直接跳至首字所处的区间开头即可，其它字符的匹配以此类推。其实这种方法的思想就是前缀匹配的思想。但是用数据库实现比较麻烦，可以用字典树这种数据结构来实现。 先来一张示意图，直观感受一下字典树的结构：

例如，要查找“下雪天”是否在字典中，先检查根结点是否存在孩子结点：“下”。如果存在，接下来只需在以”下“为根结点的子树中搜索即可，极大地缩小了检索范围。在自上而下匹配过程中，如果某个字匹配不到结点，说明该词不在字典中，立即结束检索过程。

虽然Python没有指针概念，不过，我们可以用字典来表示结点所拥有的孩子结点。所以，结点类应该有一个成员变量children，它的数据类型是字典。我们再设置一个成员变量用来存储结点的值，代码如下所示：

可以用字符作为字典元素的key，如图-1中圆圈里边的字。用孩子结点的地址作为字典元素的value。在Node类中，我们要实现一个添加孩子结点的方法，其主要功能就是往children字典中添加元素，代码如下：

上述代码中，child=Node(value) 中的child的值就是结点对象的地址。根结点的children变量的值类似长这样：{‘火’: node_1, ‘下’: node_2, ‘适’: node_3} 结点类构建好了，接下来构建字典树类。字典树是由结点构成的，所以字典树类继承结点类。字典树类要有一个方法能够把词语添加到树中。设字典树对象名为trie，那么，也就是要实现这个操作：trie[‘下雪’] = 1，trie[‘下雪天’]=2。这种赋值操作可以用Python的魔法函数__setitem__( )实现。 字典树类还要有查寻功能，即查寻某词是否在字典中。这里我们用这种形式查寻：isExist = trie[‘下午’]，根据isExist的值来判断是否查找成功。字典树类的代码如下所示：