确切地说,我有一个std :: std :: strings的列表(或QT等价,也很好)
char const *x[] = {"FirstFileWord.xls","SecondFileBlue.xls","ThirdFileWhite.xls","ForthFileGreen.xls"};
std::list<std::string> files(x,x + sizeof(x) / sizeof(*x));
我需要计算所有字符串的n个不同的最长公共子串,在这种情况下,例如对于n = 2
"File" and ".xls"
如果我可以计算最长的公共子序列,我可以将其删除并再次运行算法以获得第二长的,所以基本上归结为：
是否有一个(引用？)实现来计算std :: list的std :: strings的LCS？
这不是一个好的答案,但是我有一个肮脏的解决方案 – 在QUrls的QList上蛮力,只从中获取最后一个“/”之后的部分.我想用“正确的”代码替换它.
(我发现了http://www.icir.org/christian/libstree/ – 这会有很大的帮助,但是我无法在我的机器上编译它.有人可能会使用它吗？)
QString SubstringMatching::getMatchPattern(QList<QUrl> urls)
{
QString a;
int foundPosition = -1;
int foundLength = -1;
for (int i=urls.first().toString().lastIndexOf("/")+1; i<urls.first().toString().length(); i++)
{
bool hit=true;
int xj;
for (int j=0; j<urls.first().toString().length()-i+1; j++ ) // try to match from position i up to the end of the string :: test character at pos. (i+j)
{
if (!hit) break;
QString firstString = urls.first().toString().right( urls.first().toString().length()-i ).left( j ); // this needs to match all k strings
//qDebug() << "SEARCH " << firstString;
for (int k=1; k<urls.length(); k++) // test all other strings,k = test string number
{
if (!hit) break;
//qDebug() << " IN " << urls.at(k).toString().right(urls.at(k).toString().length() - urls.at(k).toString().lastIndexOf("/")+1);
//qDebug() << " RES " << urls.at(k).toString().indexOf(firstString,urls.at(k).toString().lastIndexOf("/")+1);
if (urls.at(k).toString().indexOf(firstString,urls.at(k).toString().lastIndexOf("/")+1)<0) {
xj = j;
//qDebug() << "HIT LENGTH " << xj-1 << " : " << firstString;
hit = false;
}
}
}
if (hit) xj = urls.first().toString().length()-i+1; // hit up to the end of the string
if ((xj-2)>foundLength) // have longer match than existing,j=1 is match length
{
foundPosition = i; // at the current position
foundLength = xj-1;
//qDebug() << "Found at " << i << " length " << foundLength;
}
}
a = urls.first().toString().right( urls.first().toString().length()-foundPosition ).left( foundLength );
//qDebug() << a;
return a;
}
解决方法
相当简单的蛮力方法可能适合您的应用.
我假设不同的子串应该是非重叠的并从中挑选出来
左到右.
即使有这些假设,也不需要包含一个独特的集合
“一组字符串的N个不同的最长公共子串”.无论N是什么,
可能存在多于N个不同的共同子串,它们都是相同的最大值
长度和其中任何N的选择都是任意的.于是
解决方案找到最长的不同共同点的最多N *集*
所有长度相同的子串都是一组.
算法如下：
> Q是目标长度配额.
>字符串是字符串的问题集.
>结果是一个最初为空的多图,它将长度映射到一组字符串,
结果[l]是长度为l的集合
> N,最初为0,是结果中表示的不同长度的数量
>如果Q为0或字符串为空则返回结果
>找到Strings中最短的成员;保留它的副本S并将其删除
来自Strings.我们继续比较S的子串与那些
字符串因为{Strings,S}的所有常见子串必须是
S的子串
>迭代生成S的所有子串,最长,使用
由偏移量和长度控制的明显嵌套循环.对于每个子串ss
S：
>如果ss不是字符串的常见子字符串,则接下来.
>迭代结果[l]为l> = ss的长度直到结束
结果或直到ss被发现是被检查的子串
结果.在后一种情况下,ss与已经的结果没有区别
在手,所以接下来.
> ss是常见的子串,与已有的子串不同.迭代
结果[1]对于l <1. ss的长度,删除每个结果是a
ss的子串,因为所有这些都比ss短并且不明显
从中. ss现在是一个常见的子串,与已有的子串不同
剩下的所有其他人都与ss不同.
>对于l = ss的长度,检查Results [l]是否存在,即是否存在
有任何结果与ss相同的长度.如果没有,请拨打电话
NewLength条件.
>检查是否N == Q,即我们已达到目标配额的不同
长度.如果NewLength获得并且N == Q,则调用StickOrRaise条件.
>如果获得StickOrRaise,则将ss的长度与l = the进行比较
手中最短结果的长度.如果ss小于l
那么它对我们的配额来说太短了,所以接下来.如果ss长于l
那么所有最短的结果都将被推翻为ss,所以删除
结果[l]和减少N.
>将ss插入到按其长度键入的结果中.
>如果NewLength获得,则增加N.
>放弃有S的子串的内部迭代
ss的相同偏移但是更短,因为它们都不是明显的
来自ss.
>通过ss的长度推进外部迭代中S的偏移量,
到下一个非重叠子字符串的开头.
>返回结果.
#include <list> #include <map> #include <string> #include <iostream> #include <algorithm> using namespace std; // Get a non-const iterator to the shortest string in a list list<string>::iterator shortest_of(list<string> & strings) { auto where = strings.end(); size_t min_len = size_t(-1); for (auto i = strings.begin(); i != strings.end(); ++i) { if (i->size() < min_len) { where = i; min_len = i->size(); } } return where; } // Say whether a string is a common substring of a list of strings bool is_common_substring_of( string const & candidate,list<string> const & strings) { for (string const & s : strings) { if (s.find(candidate) == string::npos) { return false; } } return true; } /* Get a multimap whose keys are the at-most `quota` greatest lengths of common substrings of the list of strings `strings`,each key multi-mapped to the set of common substrings of that length. */ multimap<size_t,string> n_longest_common_substring_sets(list<string> & strings,unsigned quota) { size_t nlengths = 0; multimap<size_t,string> results; if (quota == 0) { return results; } auto shortest_i = shortest_of(strings); if (shortest_i == strings.end()) { return results; } string shortest = *shortest_i; strings.erase(shortest_i); for ( size_t start = 0; start < shortest.size();) { size_t skip = 1; for (size_t len = shortest.size(); len > 0; --len) { string subs = shortest.substr(start,len); if (!is_common_substring_of(subs,strings)) { continue; } auto i = results.lower_bound(subs.size()); for ( ;i != results.end() && i->second.find(subs) == string::npos; ++i) {} if (i != results.end()) { continue; } for (i = results.begin(); i != results.end() && i->first < subs.size(); ) { if (subs.find(i->second) != string::npos) { i = results.erase(i); } else { ++i; } } auto hint = results.lower_bound(subs.size()); bool new_len = hint == results.end() || hint->first != subs.size(); if (new_len && nlengths == quota) { size_t min_len = results.begin()->first; if (min_len > subs.size()) { continue; } results.erase(min_len); --nlengths; } nlengths += new_len; results.emplace_hint(hint,subs.size(),subs); len = 1; skip = subs.size(); } start += skip; } return results; } // Testing ... int main() { list<string> strings{ "OfBitWordFirstFileWordZ.xls","SecondZWordBitWordOfFileBlue.xls","ThirdFileZBitWordWhiteOfWord.xls","WordFourthWordFileBitGreenZOf.xls"}; auto results = n_longest_common_substring_sets(strings,4); for (auto const & val : results) { cout << "length: " << val.first << ",substring: " << val.second << endl; } return 0; }
输出：
length: 1,substring: Z length: 2,substring: Of length: 3,substring: Bit length: 4,substring: .xls length: 4,substring: File length: 4,substring: Word
(用gcc 4.8.1构建)
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
