从字符串列表中查找相同子字符串的算法

Question

我在这里有点迷路，欢迎提供帮助。这个想法是从字符串列表中找到匹配的子字符串。它不一定是完美的。让我们用一个例子来解释：

"Country_Name" "Country_Id" "Rankcountry" "ThisWillNotMatch"

会return"country"

它必须是高效的，因为 'brute force' 算法看起来有点可怕。

Answer 1

我仍然不明白为什么 "c" 不能成为答案。我猜你更喜欢更长的字符串。需要直接使用优化功能！

无论如何，你可以用Tries解决这个问题。为每个字符串创建一个 Trie。为每个节点计数 1。并通过对计数求和来合并所有尝试。这样您就可以获得所有子字符串及其计数。现在，使用您的优化功能来选择最佳的。

Answer 2

不确定它是否“有效”或被认为是蛮力...我将其留给其他人来判断。

输入 = 字符串列表
对于输入中的每个 s 执行：computeAllStrides（字符串 -> 字符串列表）（参见下面的代码）
使用字符串类型的键和 int 类型的值创建空的可变字典
所有步幅 = 第 2 步中的字符串列表列表 -> 更新字典为当字典中存在大步时更新字典（大步）-> 增加相应条目的值当字典中不存在 stride 时更新 Dictionary (stride) -> 将 (stride,1) 添加到 Dictionary
找到产生最大值 stride.Length * 频率
报告找到最大值。

如果不区分大小写，首先对每个输入字符串执行toLowercase操作。

    open System.Collections.Generic

    let input = ["Country_Name"; "Country_id"; "RankCountry"; "ThisWillNotMatch"; ]

    let rec getAllStrides text =
      let length = String.length text
      match length with
        | 0 -> []
        | 1 -> [text]
        | _ -> [ for i = 1 to length do yield text.Substring(0, i ) ] @ getAllStrides (text.Substring(1))

                                                                                      
    type HashTable = System.Collections.Generic.Dictionary<string,int>

    let update (ht : HashTable) strides =
      List.iter (fun s ->
                 if ht.ContainsKey(s) then ht.[s] <- ht.[s] + 1 else ht.Add( s, 1 )
                 ) strides

    let computeStrideFrequencies input =
      let ht = new HashTable()
      input |> List.iter (fun i -> update ht (getAllStrides i) )
      ht


    let solve input =
      let theBest = input |> computeStrideFrequencies |> Seq.maxBy (fun (KeyValue(k,v)) -> k.Length * v)
      theBest.Key


   solve input;;
   val it : string = "Country"

Answer 3

灵感来自 Dr. Dobb 的 Jon Bentley's "Algorithm Alley" 专栏。

为每个后缀建立索引。对索引进行排序会将常见的子字符串放在一起。比较相邻的子串，遍历排序索引，很容易找到最长的（或最常见的）。

    #include <algorithm>
    #include <cstddef>
    #include <iostream>
    #include <string>
    #include <vector>

    std::size_t LengthInCommon(const char *left, const char *right) {
      std::size_t length_of_match = 0;
      while (*left == *right && *left != '[=10=]') {
        ++length_of_match;
        ++left;
        ++right;
      }
      return length_of_match;
    }

    std::string FindLongestMatchingSubstring(const std::vector<std::string> &strings) {
      // Build an index with a pointer to each possible suffix in the array.  O(n)
      std::vector<const char *> index;
      for (const auto &s : strings) {
        for (const auto &suffix : s) {
          index.push_back(&suffix);
        }
      }

      // Sort the index using the underlying substrings.  O(n log_2 n)
      std::sort(index.begin(), index.end(), [](const char *left, const char *right) {
        return std::strcmp(left, right) < 0;
      });

      // Common strings will now be adjacent to each other in the index.
      // Walk the index to find the longest matching substring.
      // O(n * m) where m is average matching length of two adjacent strings.
      std::size_t length_of_longest_match = 0;
      std::string match;
      for (std::size_t i = 1; i < index.size(); ++i) {
        const char *left = index[i - 1];
        const char *right = index[i];
        std::size_t length_of_match = LengthInCommon(left, right);
        if (length_of_longest_match < length_of_match) {
          length_of_longest_match = length_of_match;
          match.assign(index[i], index[i] + length_of_longest_match);
        }
      }

      return match;
    }

    int main () {
      std::vector<std::string> strings;
      strings.push_back("Country_Name");
      strings.push_back("Country_id");
      strings.push_back("RankCountry");
      strings.push_back("ThisWillNotMatch");
      std::cout << FindLongestMatchingSubstring(strings) << std::endl;
      return 0;
    }

打印：

Country_

从字符串列表中查找相同子字符串的算法

Algorithm to find same substring from a list of strings

algorithm

string-matching