使用基于Trie树的数据结构

Trie树，也叫前缀树，是一种基于树结构的数据结构，用于高效地存储和搜索字符串数据集。它通过将每个字符串拆分成单个字符，并将每个字符存储在树的节点上来实现。

在标签查找的场景中，我们可以将每个标签作为一个字符串，并使用Trie树来构建数据结构。如下是一个Python示例代码，用来构建和查询基于Trie树的标签查找数据结构：

class TrieNode:
    def __init__(self):
        self.children = {}
        self.is_end_of_word = False

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

    def add_tag(self, tag):
        current_node = self.root
        for char in tag:
            if char not in current_node.children:
                current_node.children[char] = TrieNode()
            current_node = current_node.children[char]
        current_node.is_end_of_word = True

    def lookup_tags(self, query):
        current_node = self.root
        for char in query:
            if char not in current_node.children:
                return []
            current_node = current_node.children[char]
        return self._get_all_tags_from(current_node)

    def _get_all_tags_from(self, node):
        tags = []
        if node.is_end_of_word:
            tags.append('')
        for char, child_node in node.children.items():
            tags_from_child = self._get_all_tags_from(child_node)
            for tag in tags_from_child:
                tags.append(char + tag)
        return tags

在以上示例代码中，我们首先定义了一个TrieNode类，用于表示Trie树的节点。每个节点由一个儿子字典（用于存储所有孩子节点）和一个is_end_of_word标志（用于指示节点是否表示一个单词）组成。

接下来，我们定义了一个TagLookupDataStructure类，它包含一个根节点TrieNode，并提供了两个方法：add_tag用于将标签添加到数据结构中，lookup_tags用于查询所有匹配查询字符串的标签。add_tag方法遵循了Trie树的标准插入过程，而lookup_tags方法首先找到与查询字符串匹配的最后一个节点，然后通过递归地遍历当前节点的所有子节点，