如何在 C++ 中的字符串向量中找到重复的单词？

Posted 2023-02-21

【中文标题】如何在 C++ 中的字符串向量中找到重复的单词？

【英文标题】：How can I find repeated words in a vector of strings in C++?

【发布时间】：2020-10-27 09:59:58

【问题描述】：

我有一个std::vector<string>，其中每个元素都是一个单词。我想打印向量没有重复的单词！

我在网上进行了很多搜索，找到了很多材料，但我不能也不想使用哈希映射、迭代器和“高级”（对我而言）的东西。我只能使用纯字符串比较==，因为我还是个初学者。

所以，让 my_vec 和 std::vector<std::string> 从 std 输入初始化。我的想法是读取所有向量并在找到任何重复的单词后删除它：

  for(int i=0;i<my_vec.size();++i)
    for (int j=i+1;j<my_vec.size();++j)
      if(my_vec[i]==my_vec[j])
        my_vec.erase(my_vec.begin()+j); //remove the component from the vector
      
    
  

我尝试测试std::vector<std::string> my_vec"hey","how","are","you","fine","and","you","fine"

我确实找到了

嘿，你好吗

所以看起来是对的，但是例如如果我写简单的向量std::vector<std::string> my_vec"hello","hello","hello","hello","hello"

我得到

你好你好

问题是每次调用erase 时，维度都会变小，因此我会丢失信息。我该怎么做？

【问题讨论】：

讽刺的是，std::vector::erase 通过返回一个新的迭代器解决了这个问题。您可以通过抵消++j 来模拟这一点。

你真的应该至少使用迭代器，因为这样做会真正解决你的问题，同时以最温和的方式推广你应该长期接受的东西（即迭代器；标准库实际上是由它们生死攸关的）。

换个词的顺序可以吗？还是需要按照它们存储在向量中的顺序打印它们？

更简单的解决方案是创建一个新的无重复向量。

@idclev463035818 是的，如果改变单词的顺序也没关系

【参考方案1】：

对现有代码的极简主义方法。 j 的自动增量最终会破坏您的算法。不要那样做。相反，仅当您不删除元素时才增加它。

即

for (int i = 0; i < my_vec.size(); ++i) 
    for (int j = i + 1; j < my_vec.size(); )   // NOTE: no ++j
        if (my_vec[i] == my_vec[j]) 
            my_vec.erase(my_vec.begin() + j);
        
        else ++j; // NOTE: moved to else-clause
    

确实如此。

【讨论】：

非常感谢您的回答，这正是我想要的。顺便说一句，我正在尝试跟踪重复次数：我定义了一个长度为 my_vec.size() 的动态数组repts，我在if 中执行repts[i]++。但是，我没有得到正确的结果。有什么问题？ @WhozCraig

@Vefhug 很难说没有真正看到你是如何做到的。坦率地说，我会为此使用std::unordered_map<std::string, int>，但如果你认真接受并排向量的想法，你可以do it like this

我现在正在尝试使用std::unordered_map<std::string, int>，但是我真的不明白该怎么做，因为我从未使用过它。您将如何使用它完成任务？

@Vefhug 有趣的是你应该问。 See example here。该方法的关键是映射中新映射到元素的值初始化；它是零。所以++m[*it] 将仅在第一次插入时为1（因此我们跳过了向量的擦除）。否则，它将 > 1 并且我们 (a) 在映射中维护更新后的计数，并且 (b) 知道我们需要从向量中删除该实例。老实说，除非您希望保留原始向量顺序（您这样做），否则您甚至不需要向量。

我不知道这样，谢谢。 @WhozCraig 你能确认这比std::vector 的方法慢得多吗？我从一个巨大的.txt 文件中读取，最后一种方法的时间大约是旧方法的两倍。

【参考方案2】：

您可以存储元素元素索引以擦除，然后在最后消除它。 或者重复循环，直到没有执行擦除。

第一个代码示例：

std::vector<int> index_to_erase();

for(int i=0;i<my_vec.size();++i)
    for (int j=i+1;j<my_vec.size();++j)
      if(my_vec[i]==my_vec[j])
        index_to_erase.push_back(j);
        
      
    
  
//starting the cycle from the last element to the vector of index, in this 
//way the vector of element remains equal for the first n elements
for (int i = index_to_erase.size()-1; i >= 0; i--)
   my_vec.erase(my_vec.begin()+index_to_erase[i]); //remove the component from the vector
 

第二个代码示例：

bool Erase = true;
while(Erase)
  Erase = false;
  for(int i=0;i<my_vec.size();++i)
    for (int j=i+1;j<my_vec.size();++j)
      if(my_vec[i]==my_vec[j])
        my_vec.erase(my_vec.begin()+j); //remove the component from the vector
        Erase = true;
      
    
  

【讨论】：

不，它有效，因为我开始从最后一个索引中删除元素，这确保第一个 n 元素不会更改它们的索引

这很聪明，也许聪明到需要评论或解释一下

first code 中的方法是我尝试的另一种方法，但我停止了，因为我无法仅删除与一组整数对应的值，但我真的很喜欢你从底部开始的方式@ZigRazor

@Vefhug index_to_erase 上的循环是从你的向量中删除元素的一段代码。

@ZigRazor 是的，我意识到了，我只是说这是我之前卡住的地方:) 现在非常清楚

【参考方案3】：

你为什么不用std::unique？

您可以像这样简单地使用它：

std::vector<std::string> v "hello", "hello", "hello", "hello", "hello" ;
std::sort(v.begin(), v.end());
v.erase(std::unique(v.begin(), v.end()), v.end()); 

注意元素需要排序，因为std::unique 仅适用于连续重复。

如果您不想更改std::vector 的内容，但只有稳定的输出，我推荐其他答案。

【讨论】：

是的，我忘了补充它需要排序。

据我了解，输出应该是稳定的，即排序选项（除非您之后恢复原始顺序）

@idclev463035818 啊，我没有从问题中得到答案，但很可能你是对的

@NutCracker 正如 idclev 指出的那样，我只对不重复的打印感兴趣，忽略排序！顺便说一句，我不知道 std::unique，谢谢 :)

原来我错了。其实我更喜欢你不参考我的答案，因为有更好的（包括这个）

【参考方案4】：

在循环内从容器中擦除元素有点棘手，因为在擦除索引i 处的元素后，下一个元素（在下一次迭代中）不在索引i+1 处，而是在索引i 处。

阅读有关擦除元素的惯用方式的erase-remove-idiom。但是，如果您只想在屏幕上打印，有一种更简单的方法来修复您的代码：

for(int i=0; i<my_vec.size(); ++i)
   bool unique = true;
   for (int j=0; j<i; ++j)
       if(my_vec[i]==my_vec[j]) 
           unique = false;
           break; 
       
       if (unique) std::cout << my_vec[i];
   

您应该与之前的元素进行比较，而不是检查当前元素之后的元素。否则，当我认为应该是“bar x y”时，“bar x bar y bar”将导致“x x bar”。

最后但同样重要的是，考虑到使用带有索引的传统循环是一种复杂的方式，而使用迭代器或基于范围的循环要简单得多。不要害怕新东西，从长远来看它会更容易使用。

【参考方案5】：

您可以简单地使用sort 和unique 的组合，如下所示。

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

int main() 
    std::vector<std::string> vec"hey","how","are","you","fine","and","you","fine";
    sort(vec.begin(), vec.end());
    vec.erase(unique(vec.begin(), vec.end() ), vec.end());
    
    for (int i = 0; i < vec.size(); i ++) 
        std::cout << vec[i] << " ";
    
    std::cout << "\n";

    return 0;

【讨论】：

为什么对向量进行排序？我错过了这一点

@Vefhug 没有排序 std::unique 将无法正常工作。

好的，现在我明白了：std::unique 仅适用于连续重复