為了提高我的單詞查詢的速度，我拜讀了@Rshcaroline的程式碼，發現trie樹是一個很好解決這個問題的方法

Trie樹，又叫字典樹、字首樹（Prefix Tree）、單詞查詢樹 或 鍵樹，是一種多叉樹結構

Trie樹的基本性質：

1. 根節點不包含字元，除根節點外的每一個子節點都包含一個字元。
2. 從根節點到某一個節點，路徑上經過的字元連線起來，為該節點對應的字串。
3. 每個節點的所有子節點包含的字元互不相同。 通常在實現的時候，會在節點結構中設定一個標誌，用來標記該結點處是否構成一個單詞（關鍵字）。

一下是我的程式碼

class Trie:

    def __init__(self):
        """
        Initialize your data structure here.
        """
 

        self.root = {}
        self.END = "$"

    def insert(self, word):
        """
        Inserts a word into the trie.
        :type word: str
        :rtype: void
        """
        t = self.root
        for c in word:
            if c not in t:
                t[c] = {}
            t = t[c]
 
                
        t[self.END] = {}        

    def search(self, word):
        """1
        Returns if the word is in the trie.
        :type word: str
        :rtype: bool
        """
        t = self.root
        for c in word:
            if c not in t:
                return False
            else
 
:
                t = t[c]    
        if self.END not in t:
            return False
        return True

    def startsWith(self, prefix):
        """
        Returns if there is any word in the trie that starts with the given prefix.
        :type prefix: str
        :rtype: bool
        """
        t = self.root
        for c in prefix:
            if c not in t:
                return False
            else:
                t = t[c]
        return True

對於一個單詞的查詢一定編輯距離的相關集合的程式碼如下(from @Rshcaroline)，其中的deque是python的高效能雙向佇列，用於將trie, word, path, edit_distance整個打包起來加入佇列, 廣度優先查詢符合的單詞

def get_candidate(trie, word, edit_distance=1):
    que = deque([(trie, word, '', edit_distance)])
    while que:
        trie, word, path, edit_distance = que.popleft()
        if word == '':
            if END in trie:
                yield path
            # 詞尾增加字母
            if edit_distance > 0:
                for k in trie:
                    if k != END:
                        que.appendleft((trie[k], '', path+k, edit_distance-1))
        else:
            if word[0] in trie:
                # 首字母匹配成功
                que.appendleft((trie[word[0]], word[1:], path+word[0], edit_distance))
            # 無論首字母是否匹配成功，都如下處理
            if edit_distance > 0:
                edit_distance -= 1
                for k in trie.keys() - {word[0], END}:
                    # 用k替換餘詞首字母，進入trie[k]
                    que.append((trie[k], word[1:], path+k, edit_distance))
                    # 用k作為增加的首字母，進入trie[k]
                    que.append((trie[k], word, path+k, edit_distance))
                # 刪除目標詞首字母，保持所處結點位置trie
                que.append((trie, word[1:], path, edit_distance))
                # 交換目標詞前兩個字母，保持所處結點位置trie
                if len(word) > 1:
                    que.append((trie, word[1]+word[0]+word[2:], path, edit_distance))