Question

我正在尝试找到一种找到字符串模式并进行比较的最佳方法。例如，我有s1 =“红蓝蓝红黄红”，s2 =“ abbaac ”。这将匹配，因为它们具有相同的模式。

我想这样做是通过s1和s2迭代，使用向量容器来记录相应位置的计数（对于s1将是对应的单词的计数，对于s2将是对应的字母的计数）然后进行比较。

这非常低效，因为我通过整个s1和s2进行迭代。如果s1 =“红蓝红红黄红”并且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想法吗？

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;
}

Answer 1

@Tony以同样的想法打败了我，但是因为我已经输入了这个，所以这里是： - ）

首先，不要过分担心效率，注重正确性：事实上，过早优化是万恶之源。编写测试用例并确保代码通过每个测试用例。

其次，我想我会从地图/字典D开始，并且有一个循环，我将解析每个字符串中的一个元素（s1中的一个单词，让我们称之为“w”）和s2中的一个字符，说“c”），选择一个元素作为键（比如说“c”字符）并检查“c”是否已在字典中有一个条目：

如果我们同时耗尽了元素，则字符串匹配
如果我们在一边耗尽了元素，我们知道没有匹配
如果“c”在D中没有条目，请存储当前值：D [c] = w;
如果“c”已经有一个条目，检查条目是否与字符串上的值匹配：是D [c] == w？如果不是，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，也许我们可以使用简单的数组而不是字典，因为ASCII字符是一个小的有限集。

Answer 2

这不是最有效的代码，但接近最简单：

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

Answer 3

您不需要两个向量。

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，继续停止。对第二个字符串中的其余模式重复此操作。

您无需存储第二个字符串的模式计数。

Answer 4

基本上，您要检查序列是否遵循相同的顺序。你并不担心序列究竟是什么：第一个第一个第一个第三个就足够了。现在，您可以使用以某种方式将字符串映射到int的容器来执行此操作。但是，您将存储每个字符串的副本，而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，这并不重要，但对于大量长字，你很快就会在不需要的时候咀嚼内存。

因此，让我们使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我们的字符串转换为简单的size_t值，并相当有力地保证它们将是唯一的。但是，散列不是顺序的，我们需要根据散列值检索序列。记录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。拼图的最后一部分是检查哈希是否在相同的序列中。

我还假设你不只是想将一个句子与一个单词进行比较，而是可能是两个单词或两个句子。这是一个快速的C ++ 11示例，它基本上完成了上述操作，除非需要，否则不会在内存中保留任何内容。

当然，这仍然可以进行更多优化 - 例如，执行并行操作。

#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non C++11 version，应该适用于VS2010。但是，由于C ++ 03在标准库中不包含字符串散列函数，因此本示例使用从堆栈溢出中获取的散列函数。如果您可以访问boost库，那么使用的更好的哈希函数将是this one。

Answer 5

编辑

我刚刚读到这个问题在字符串中有模式，这个答案适用于比较不同类型的集合。我想，如果首先转换了2个输入字符串，答案仍然会包含 little 水：）

我不会说这是最有效的解决方案，但我喜欢它是如何可扩展的。

首先，有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

它采用整数向量，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无论源数据。

然后我们需要一个可以分配相同序列号的模式计数器，但需要任何类型：

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);
    };
};

我们已经完成了。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
};

请注意，这很快，很脏，我相信它可以提高效率。

找到字符串模式的更好解决方案？

5 个答案: