获取与先前定义的字符串集匹配的字符串的所有前缀的有效结构

Posted 2023-02-22

【中文标题】获取与先前定义的字符串集匹配的字符串的所有前缀的有效结构

【英文标题】：Efficient structure to get all prefixes of a string that match a previously defined set of strings

【发布时间】：2017-05-30 12:59:46

【问题描述】：

假设我有一组前缀，例如 ["a", "ab", "ba", "aba", "bbb"]。

我还有一个单词列表。对于此列表中的每个单词，例如“abad”，我想有效地获取与前缀集中的单词匹配的该单词的所有前缀。在这个例子中，我想作为输出 ["a","ab", "aba"]。

我只想使用标准中的结构。

我正在考虑某种树形结构，但我想不出一种相对轻松地实现它的方法。

【问题讨论】：

trie 怎么样？

这将是标准正则表达式的完美案例

@Someprogrammerdude 如何仅使用 std 在几行代码中实现 trie？

【参考方案1】：

一个简单的实现是使用 std::unordered_set 的哈希表，然后将列表中每个单词的每个前缀与集合进行比较。

#include <iostream>
#include <string>
#include <unordered_set>
#include <vector>

int main ()

    std::unordered_set<std::string> myPrefixes = "a", "ab", "ba", "aba", "bbb";

    std::vector<std::string> listOfWords;

    for (int i = 0; i < listOfWords.size(); i++) 
        std::vector<std::string> result;
        std::string word = listOfWords[i];
        for (int j = 0; j < word.length() - 1; j++) 
            if (myPrefixes.count(word.substr(0, word.length - j)) > 0) 
                result.push_back(word.substr(0, word.length - j);
            
        
        // print the result vector or do whatever with it
    
    return 0;

【讨论】：

谢谢！快速评论：您只需要搜索最大长度前缀或单词的最小长度

【参考方案2】：

将前缀存储在std::vector<std::string> std::sort()向量 对于每个感兴趣的单词，使用std::mismatch() 来查找它们不匹配的字符，如果所有前缀都匹配，那么你就有一个匹配 如果部分匹配，则中断

您不需要任何特殊的数据结构。它会很快，可能不如尝试那么快，它会起作用吗 - 很可能。它是否有效 - 可能 - 取决于前缀和单词。

【参考方案3】：

这个答案通过使用 trie 来提高性能会增加一点复杂性，这可能非常巨大。假设 M 前缀词，每个词与搜索词的平均 N 字母一起，使用 set 的上述过程的复杂性需要 O(N^2) 时间来查找 N 字母词的前缀。 Trie 方法的初始预处理成本为 O(MN)，可以将搜索降低到 O(N)。

有趣的是，Trie 构建部分（下面的 Node 结构和 insert 函数）实际上只需要 7 行。

struct Node

    bool is_Leaf = false;
    unordered_map<char,Node*> transitions;
;

void insert(Node* node,char* str,char* end)
    if(str==end) node->is_Leaf = true;return ;
    if (node->transitions[*str]==nullptr) node->transitions[*str] = new Node();
    insert(node->transitions[*str],str+1,end);


void search(Node* root,char* str,char* end,string so_far="")
    if(root && root->is_Leaf) cout<<so_far<<endl;
    if(!root or str==end) return;
    so_far.push_back(*str);
    search(root->transitions[*str],str+1,end,so_far); 


int main(int argc, char const *argv[])

    Node* root = new Node();
    vector<string> prefixes = "a", "ab", "ba", "aba", "bbb";
    for(auto& s:prefixes) insert(root,&s[0],&s[0]+s.size());

    string to_search = "abad";
    search(root,&to_search[0],&to_search[0]+to_search.size(),"");
    return 0;

【参考方案4】：

我认为尝试是最快的方式。但我不知道是否有标准特里。 尝试一下，您检查前缀的速度非常快。

你的 trie 看起来像这样：

红色节点是endnodes......所以从顶部到红色节点是一个前缀。

如果你只能使用标准的东西，你可以写一个类节点。在这堂课中，您有一个 std::map 给孩子们。如果您的 trie 中有多个 a 和 b，则该地图将帮助您快速找到正确的子节点……如果您使用汉字或其他字母……（只有少数元素，您最好使用 std： :向量)

您还需要一种添加前缀的方法。 之后，您只需要一个方法来检查给定单词是否是前缀，方法是遍历节点和映射并检查我们是否通过了红色节点。

【参考方案5】：

正如已经提到的，trie 是开始寻找的开始，一些Radix tree 可能是，但是有很多选项，但不幸的是，它们都没有在 std.xml 中明确显示。如果你想要一些快速实用的东西，我知道 this article 它是为 C# 描述的，但在 C++ 中很容易实现。