如何在与用户给定前缀匹配的字符串向量中找到第一个单词？

Posted 2023-02-22

【中文标题】如何在与用户给定前缀匹配的字符串向量中找到第一个单词？

【英文标题】：How can I find the first word in a vector of strings that matches a user given prefix?

【发布时间】：2020-07-13 21:37:57

【问题描述】：

假设我有一个排序的字符串向量：

std::vector<std::string> Dictionary
Dictionary.push_back("ant");
Dictionary.push_back("anti-matter");
Dictionary.push_back("matter");
Dictionary.push_back("mate");
Dictionary.push_back("animate");
Dictionary.push_back("animal");
std::sort(Dictionary.begin(), Dictionary.end());

我想找到向量中与前缀匹配的第一个单词，但我找到的每个示例都使用硬编码字符串作为前缀。例如，我可以定义一个布尔一元函数来查找“an”前缀：

bool find_prefix(std::string &S) 
    return S.compare(0, 2, "an");

并将其用作std::find_if() 函数的谓词来查找第一个匹配项的迭代器。但是如何搜索用户给定的字符串作为前缀？是否可以以某种方式使用二元谓词？或者构建一个依赖于变量和参数的“伪一元”谓词？

或者，我应该在这个问题中使用任何其他容器和方法吗？

我知道有更高效和优雅的结构来存储用于前缀搜索的字典，但我是一个初学者自学编程，所以首先我想在冒险之前学习如何使用标准容器更复杂的结构。

【问题讨论】：

std::set 为您省去了排序的麻烦，并且您可以确保每个单词只出现一次。 C++20 将通过成员函数starts_with() 使这变得微不足道。在那之前，find() 和 compare() 函数将让你到达那里。

另外，如果不是std::set，在向量上调用std::sort，然后使用std::lower_bound 或std::upper_bound 将比线性搜索快得多。想象一下，如果有数千个字符串。

我第一次尝试将字典作为一个集合来实现，但我认为我不能在这个容器中使用 find_if()。

std::find_if 与std::set 配合得很好。

【参考方案1】：

您可以将find_prefix 写为 lambda。这使您可以捕获要搜索的字符串，并将其用于比较：

string word = ...  // the prefix you're looking for
auto result = std::find_if(Dictionary.begin(), Dictionary.end(), 
                           [&word](string const &S) 
                           return ! S.compare(0, word.length(), word);
);

【讨论】：

谢谢！我尝试使用 lambda 函数，但我无法超越第一个示例。所以我可以在括号之间使用任意数量的参数？

是的，您可以捕获多个变量。

【参考方案2】：

由于您正在对向量进行排序，因此您应该利用向量已排序的优势。

您可以使用std::lower_bound 将您靠近（如果不正确）匹配前缀的条目，而不是进行线性搜索：

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

int main()

    std::vector<std::string> Dictionary;
    Dictionary.push_back("ant");
    Dictionary.push_back("anti-matter");
    Dictionary.push_back("matter");
    Dictionary.push_back("mate");
    Dictionary.push_back("animate");
    Dictionary.push_back("animal");
    std::sort(Dictionary.begin(), Dictionary.end());
    
    std::vector<std::string> search_test = "an", "b", "ma", "m", "x", "anti";
    for (auto& s : search_test)
    
        auto iter = std::lower_bound(Dictionary.begin(), Dictionary.end(), s);
    
        // see if the item returned actually is a match
        if ( iter->size() >= s.size() && iter->substr(0, s.size()) == s )
            std::cout << "The string \"" << s << "\" has a match on \"" << *iter << "\"\n";
        else
           std::cout << "no match for \"" << s << "\"\n";
    

输出：

The string "an" has a match on "animal"
no match for "b"
The string "ma" has a match on "mate"
The string "m" has a match on "mate"
no match for "x"
The string "anti" has a match on "anti-matter"

在lower_bound 之后进行测试，看字符串是否与lower_bound 找到的字符串真正匹配。

【讨论】：

我知道lower_bound() 函数，但我没想过这样使用它。事后看来，由于使用字典顺序比较字符串，因此使用它来搜索前缀非常有意义。非常感谢！

您不需要如此复杂的检查，如果向量已排序，lower_bound 将返回正确的迭代器或 Dictionary.end()。所以你只需要比较迭代器

不，你必须检查。 lower_bound 返回排序向量中将插入项目的位置。您正在考虑std::binary_search，它返回true 或false。 See this example。 "b" 不匹配，但迭代器返回 "mate"。