字符串数组只包含字谜？

Posted 2023-03-30

【中文标题】字符串数组只包含字谜？

【英文标题】：Array of Strings contains only anagrams?

【发布时间】：2011-11-30 07:29:14

【问题描述】：

我得到了一个关于字谜的练习，它看起来非常简单，以至于我怀疑我错过了一些东西。 我实施的解决方案是我将很快介绍的解决方案，我想问您是否可以考虑我的解决方案的任何优化、方法的改变或问题。 我用 Java 实现了算法。

现在，练习。 作为输入，我有一个文本，作为输出，我应该返回该文本的每一行是否是另一行的字谜。 也就是说，对于输入：

出租车契约 Huffiest Minnows Loll 出租车契​​约 Huffiest Minnow Lolls 出租车契​​约洗牌百万元 出租车契​​约洗牌百万镇

程序应该返回 True。 输入：

出租车契约 Huffiest Minnows Loll 出租车契​​约 Huffiest Minnow Lolls hi 出租车契​​约洗牌百万元 出租车契​​约洗牌百万镇

输出必须为 False（当然是因为第二行）。

现在，我的想法很简单：

我创建了 2 个 HashMap：ref 和 cur。 我解析文本的第一行，填充参考。我只会计算字母。 对于每一行，我将行解析为 cur 并检查 cur.equals(ref): if so return false 如果我到了文本的末尾，则表示每一行都是其他行的字谜，所以我返回 true。

而且……就是这样。 我用 88000 行的输入文本进行了尝试，它的运行速度非常快。

有没有cmets？建议？优化？

非常感谢您的帮助。

【参考方案1】：

另一种选择是：

从字符串中删除所有您不关心的字符（标点符号、空格） 小写 对字符串进行排序 与参考字符串比较（使用.equals）

我怀疑你的方式更快。

编辑：

由于@nibot 不同意我的建议，而且我不会在没有证据的情况下来回争论，here's three solutions。

它们的实现都非常相似：

将行转换为小写 忽略非字母字符 ? 检查 3. 的结果与第一行的结果相匹配

那个？部分是以下之一：

创建HashMap 的字符数 对字符进行排序 制作一个 26 整数数组（最终的哈希表解决方案，但仅适用于拉丁字母）

我都用这个运行了它们：

public static void time(String name, int repetitions, Function function,
        int expectedResult) throws Exception 
    long total = 0;
    for (int i = 0; i < repetitions; i++) 
        System.gc();
        long start = System.currentTimeMillis();
        int result = function.call();
        long end = System.currentTimeMillis();
        if (result != expectedResult) 
            System.out.println("Oops, " + name + " is broken");
            return;
        
        total += end - start;
    
    System.out.println("Executution of " + name + " took "
            + (total / repetitions) + " ms on average");

我的文件与 OP 发布的文件相似，但要长得多，在末尾有大约 20 行的非字谜，以确保算法都能正常工作。

我总是得到这样的结果：

Execution of testWithHashMap took 158 ms on average
Execution of testWithSorting took 76 ms on average
Execution of testWithArray took 56 ms on average

如果满足以下条件，HashMap 可能会得到显着改进：

There was a way to make a HashMap<char, int> 有一种方法可以在 HashMap 中指定默认值，还有一种方法来获取和递增（因此只有一个查找而不是 2 个）

但是，这些不在标准库中，所以我忽略了它们（就像大多数使用 Java 的程序员一样）。

这个故事的寓意是，大 O 并不是一切。您需要考虑开销和 n 的大小。在这种情况下，n 相当小，HashMap 的开销很大。对于更长的线路，这可能会改变，但不幸的是，我不想弄清楚盈亏平衡点在哪里。

如果你仍然不相信我，考虑一下 GCC 在其 C++ 标准库中的某些情况下使用 insertion sort。

【讨论】：

排序只能比明显的O(n)算法慢。

@nibot - 我看不出反对票是为了什么。他们想知道其他选择，这是另一种选择。这个选项几乎可以保证使用更少的内存，并且根据字符串的长度和您的散列函数，它也可以更快。大 O 不是一切。

我会说这是最好的解决方案，因为它非常简单，而且它需要的内存最少 :) @nibot：你让你的生活变得轻松......我们不是排序行，我们正在对每一行进行排序。这对应于将字符串映射到等价类 w.r.t。排列 -> 字谜。此外，由于字母表非常有限，您可以通过使用基数排序或简单的分箱来获得普遍喜爱的线性时间。

@Stephen C - 我打电话给System.gc() 就在我开始计时。 “计时器”（start 到 end）内唯一的东西是 function.call()（可能还有调用 System.currentTimeMillis() 的一些开销）。

但另一方面是您正在从算法中完全消除 GC 的（可能的）开销/影响。那也是不现实的。正确的做法是调用 System.gc()。然后以大量重复运行测试，丢弃前几个（以处理“JVM 预热”效果），然后取平均值以消除 GC“块”。总之，这仍然是一个不可靠的基准。

【参考方案2】：

假设您的 HashMap 是从（字符）->（字符串中出现的次数）的映射，那么您几乎拥有它。

我假设您应该忽略空格和标点符号，并将大写和小写字母视为相同。如果您不使用英语以外的任何语言，那么 HashMap 就大材小用了：您可以简单地使用代表 A..Z 的 26 个计数的数组。如果您需要支持 Unicode，那么问题当然要复杂得多，因为您不仅需要处理可能数千种不同类型的字母，而且您还必须定义“字母”（幸运的是存在字符属性数据对此有帮助）和“小写/大写”（请注意，有些语言没有大小写，有些可以将两个小写字母映射为一个大写字母，反之亦然......）。更不用说标准化了:)

【讨论】：

好吧，我考虑了 26 个字符的数组，但正如你提到的，hashmap 实现更“可扩展”，以防需要添加英文字母以外的字符。但我不知道这是否真的有意义....我会考虑的！谢谢！

【参考方案3】：

根据@Karl Knechtel 的回答（并解决您对支持多个字母的担忧）：

创建接口（例如）AnagramKey 和 AnagramKeyFactory。将应用程序的其余部分设计为与所使用的密钥类型无关。

创建 AnagramKey 接口的一个实现，该接口在内部使用 int[] 来表示字符数。

创建 AnagramKey 接口的第二个实现，该接口使用 HashMap<Character, Integer> 表示字符数。

创建对应的工厂接口。

在使用命令行参数、区域设置或其他方式表示键的两种方式之间进行选择。

注意事项：

目前尚不清楚“字谜”在非字母语言的上下文中是否有意义，或者对于将多种语言混合成“句子”的话语是否有意义。另外，我不知道（比如说）法语中的字谜是否忽略了字符的重音。无论如何，我很想将所有这些情况都视为“超出范围”......除非您明确要求支持它们。

int[] 使用的空间少于HashMap<Character, Integer> 的收支平衡密度在计数数组中的字符范围内逐渐接近于 15 个字符中的 1 个字符。 （具有这些键/值类型的 HashMap 中的每个条目都占用 15 个 32 位字的区域。）这还没有考虑到 HashMap 节点和哈希数组节点的开销......

如果您对字谜的长度进行了限制，您可以使用short[] 甚至byte[] 来计算字符数，从而节省更多空间。