寻找字符串模式的更好解决方案

我试图找到一个最佳的方式来找到一个字符串的模式和比较。例如，我有s1 = "红蓝蓝红红黄"， s2 = "abbaac"。这是匹配的，因为它们有相同的图案。

我的想法是遍历s1和s2，使用vector容器记录相应位置的计数(对于s1将是对应的单词计数，对于s2将是对应的字母计数)，然后比较。

这是非常低效的，因为我遍历了整个s1和s2。如果s1 = "红蓝红红红黄"， s2 = "abbaac"。在第三个红色之后，基本上没有必要继续迭代它。

那么，关于如何做到这一点，有更好的主意吗?

代码:

#include "stdafx.h"
#include <iostream>
#include <string>
#include <array>
#include <sstream>
#include <vector>
#include <algorithm>
using namespace std;
vector<int> findPattern(string pattern){
    vector<int> counts;
    for (int i = 0; i < pattern.size(); ++i){
        counts.push_back(0);
        int counter = 0;
        for (int j = i + 1; j < pattern.size(); ++j){
            if (pattern[i] == pattern[j]){
                ++counter;              
            }   
            counts[i] = counter;    
        }
    }
    return counts;
}
vector<int> findPatternLong(string pattern){
    istringstream iss (pattern);
    string word;
    vector<string> v;
    while (iss >> word){
        v.push_back(word);
    }
    vector<int> counts2;
    for (int i = 0; i < v.size(); ++i){
        counts2.push_back(0);
        int counter = 0;
        for (int j = i + 1; j < v.size(); ++j){
            if (v[i] == v[j]){
                ++counter;
            }
            counts2[i] = counter;
        }
    }
    return counts2;
}
int main(int argc, char * argv[]){
    vector<int> v1 = findPattern("abbaac");
    vector<int> v2 = findPatternLong("red blue blue red red yellow");
    if (v1.size() == v2.size()){
        for (int i = 0; i < v1.size(); ++i){
            if (v1[i] != v2[i]){
                cout << "Unmatch" << endl;
                return false;
            }
        }
        cout << "match" << endl;
        return true;
    } else 
        cout << "Unmatch" << endl; 
    return 0;
}

@Tony用同样的想法打败了我，但是因为我已经输入了这个，这里是:-)

首先，不要太担心效率，而要关注正确性:的确，过早的优化是万恶之源。编写测试用例，并确保您的代码通过每个测试用例。

第二，我想我会从map/dictionary D开始，并有一个循环，我将解析每个字符串的一个元素(s1中的一个单词，我们称之为"w"，s2中的一个字符，假设为"c")，选择一个元素作为键(假设为"c"字符)，并检查"c"是否已经在字典中有一个条目:

如果同时没有元素，字符串匹配
如果我们用完了一边的元素，我们知道没有匹配
如果"c"在D中没有条目，则存储当前值:D[c] = w;
else如果"c"已经有一个条目，检查该条目是否与字符串上找到的值匹配:是D[c] == w?如果没有，我们就知道没有匹配

如果该代码有效，则可以开始优化。在您的示例中，也许我们可以使用一个简单的数组而不是字典，因为ASCII字符是一个小的有限集合。

这不是最有效的代码，但接近最简单的:

std::map<char, std::string> letter_to_word;
std::set<std::string> words_seen;
std::istringstream iss(s1);
std::string word;
for (std::string::size_t i = 0; i < s2.size(); ++i)
{
    if (!(iss >> word))
        return false; // more letters than words
    std::string& expected_word = letter_to_word[s2[i]];
    if (expected_word == "")
    {
        // if different letters require different words...
        if (words_seen.find(word) != words_seen.end())
            return false; // multiple letters for same word
        words_seen.insert(word);
        expected_word = word; // first time we've seen letter, remember associated word
    }
    else if (expected_word != word)
        return false; // different word for same letter
}
return !(iss >> word); // check no surplus words

你不需要两个向量

处理第二个字符串时，将第一个模式的计数与第一个条目进行比较。如果匹配，继续，否则停止。重复第二串中其余的模式。

不需要存储第二个字符串的模式计数。

编辑

我刚刚读到这个问题有一个字符串中的模式，这个答案与比较不同类型的集合有关。我想答案仍然保持一个小水，如果两个输入字符串首先转换:)

我不会说这是最有效的解决方案，但我喜欢它的可扩展性。

首先是PatternResult类。它存储模式的结果:

class PatternResult {
private:
    std::vector<int> result_;
public:
    PatternResult(const std::vector<int>& result) : result_(result) {
    };
    bool operator == (const PatternResult& rhs) const {
        if(result_.size() != rhs.result_.size()) 
            return false;
        else {
            for(std::vector<int>::size_type r(0);
                r < result_.size();
                ++r) {
                if(result_[r] != rhs.result_[r])
                    return false;
            };
            return true;
        };
    };
};  // eo class PatternResult

接受一个整型向量，其值表示它的值。我们重载==来比较两个模式结果，这意味着它们具有相同的序列，而不管源数据的。

然后，我们需要一个模式计数器，它可以分配相同的序列号，但接受任何类型:

template<class T>
class PatternCounter {
private:
    typedef std::vector<T> vec_type;
    typedef std::map<T, int> map_type;
    map_type found_;
    int counter_;
public:
    PatternCounter() : counter_(1) {
    };
    PatternResult count(const vec_type& input ){
        std::vector<int> ret;
        for(vec_type::const_iterator cit(input.begin());
            cit != input.end();
            ++cit) {
            if(found_.find(*cit) != found_.end()) {
                ret.push_back(found_[*cit]);
            } else {
                found_[*cit] = counter_;
                ret.push_back(counter_);
                ++counter_;
            };
        };
        return PatternResult(ret);
    };
};

我们做完了。测试代码:

std::vector<std::string> inp1;
inp1.push_back("red");
inp1.push_back("blue");
inp1.push_back("blue");
inp1.push_back("red");
inp1.push_back("yellow");
std::vector<char> inp2;
inp2.push_back('a');
inp2.push_back('b');
inp2.push_back('b');
inp2.push_back('a');
inp2.push_back('c');
PatternCounter<std::string> counter1;
PatternCounter<char> counter2;
PatternResult res1(counter1.count(inp1));
PatternResult res2(counter2.count(inp2));
if(res1 == res2) {
        // pattern sequences are equal
};

注意，这是快速和肮脏的，我相信它可以做得更有效率。

基本上，您希望检查序列是否遵循相同的顺序。你不用担心顺序到底是什么:第一，第二，第一，第三，已经足够好了。现在，你可以用一个容器来做这件事，它以某种方式将字符串映射到整型。然而，您将存储每个字符串的副本，并且忽略了您并不真正关心字符串值的事实。对于微小的测试用例，这无关紧要，但是对于大量的长单词序列，您会在不需要的时候迅速消耗内存。

那么让我们利用我们不关心字符串值或存储它们的事实。如果是这种情况，我们可以使用哈希函数将字符串转换为简单的size_t值，并强有力地保证它们是唯一的。然而，哈希值不是连续的，我们需要根据哈希值检索序列。记录它们序列的最简单方法是将它们映射到地图的大小，以便于查找。最后一个难题是检查哈希值是否在相同的序列中。

我还假设你不只是想比较一个句子和一个单词，而是两个单词或两个句子。下面是一个快速的c++ 11示例，它基本上完成了上述操作，并且除非需要，否则不会在内存中保存任何内容。

当然，这仍然可以进一步优化——例如，并行执行。

#include <iostream>
#include <vector>
#include <string>
#include <map>
#include <sstream>
/*
s1 = "red blue blue red red yellow"
s2 = "abbaac"
This would match because they have the same pattern.
*/
typedef std::map<size_t,size_t> hash_map;
typedef std::vector<std::string> wordlist;
size_t ordered_symbol( hash_map &h, std::string const& word )
{
    std::hash<std::string> hash_fn;
    size_t hash = hash_fn(word);
    if(h.find(hash)==h.end())
    {
        size_t const sequence = h.size();
        h[hash] = sequence;
        return sequence;
    }
    return h[hash];
}
wordlist create_wordlist( std::string const& str )
{
    if(str.find_first_of(' ') != std::string::npos)
    {
        wordlist w1;
        std::stringstream sstr(str);
        std::string s;
        while(sstr>>s)
            w1.push_back(s);
        return w1;        
    }
    wordlist w2;
    for(auto i : str)
    {
        std::string s;
        s.append(1,i);
        w2.push_back(s);
    }
    return w2;
}
bool pattern_matches( std::string const& s1, std::string const& s2 )
{
    wordlist const w1 = create_wordlist(s1);
    wordlist const w2 = create_wordlist(s2);
    if(w1.size()!=w2.size())
        return false;
    hash_map h1,h2;
    for( size_t i = 0; i!=w1.size(); ++i)
        if(ordered_symbol(h1,w1[i])!=ordered_symbol(h2,w2[i]))
            return false;
    return true;
}
void test( std::string const& s1, std::string const& s2 )
{
    std::cout<<"["<<s1<<"] "
             <<(pattern_matches(s1,s2)? "<==>" : "<=!=>")
             <<"["<<s2<<"]n";    
}
int main()
{
    test("red blue blue red red yellow","abbaac");
    test("red blue blue red red yellow","first second second first first third");
    test("abbaac","12211g");
    test("abbaac","red blue blue red red yellow");
    test("abbgac","red blue blue red red yellow");
    return 0;
}
//Output:
//[red blue blue red red yellow] <==>[abbaac]
//[red blue blue red red yellow] <==>[first second second first first third]
//[abbaac] <==>[12211g]
//[abbaac] <==>[red blue blue red red yellow]
//[abbgac] <=!=>[red blue blue red red yellow]

编辑:这是一个非c++ 11版本，应该在VS2010上工作。然而，由于c++ 03在标准库中不包括字符串哈希函数，因此本例使用了一个来自堆栈溢出的哈希函数。如果您可以访问boost库，那么使用这个哈希函数会更好。

相关内容

最新更新

热门标签：