编程珠玑： 15章 字符串 15.2寻找字符串中的最长重复子串 -------解题总结

#include <iostream>#include <stdio.h>#include <sstream>#include <stdlib.h>//qsortusing namespace std;/*问题:给定一个文本文件作为输入，查找其中最长的重复子字符串。例如，“Ask not what your country can do for you, but what you can do for your country”中最长的重复字符串是"can do for you"，第二长的是“your country”。分析：这个是寻找最长重复字符串，前缀树trie适用于进行前缀和字符串搜索，后缀树适合于查找子串在字符串中出现位置，这两种输入结构需要制定输入的查找字符串，但这道题目不会给出输入的查找字符串，因此这两种方法不行。最长公共子序列求的是两个字符串公共部分，也不适用该方法。最短摘要生成方法，是需要给定搜索的字符串数组，不适用该题。暴力破解方法：罗列子串的起始位置，设句子长度为n,罗列的时间复杂度为O(N^2)，然后对每个子字符串采用后缀树来做，寻找出后缀树中至少包含两个起始位置的子串作为结果返回，然后从中选择出长度最长的。后缀树建树时间：O(N^2)，查找时间O(N),总的时间复杂度:O(N^3)书上解法：1 简单解法：遍历两个字符串的起始位置，分别p,q,对p,q查找公共字符串的长度，查找时间为O(N),遍历两个子串的起始位置是O(N)，总的时间复杂度为O(N^3)2 后缀数组：遍历字符串str的起始位置i(i从0到字符串长度length-1)，产生后缀数组str[0...length-1],str[1...length-1],..str[length-1...length-1]，            对字符串数组进行排序，使得后缀相近的子串集中在一起，对排序后的子串扫描比较相邻远古三，找出最长重复的字符串。时间复杂度为O(NLogN * N)，最后面的n是字符串比较的时间复杂度输入:abcdabcd输出:abcd关键:1 1】 简单解法：遍历两个字符串的起始位置，分别p,q,对p,q查找公共字符串的长度，查找时间为O(N),遍历两个子串的起始位置是O(N)，总的时间复杂度为O(N^3)2】后缀数组：遍历字符串str的起始位置i(i从0到字符串长度length-1)，产生后缀数组str[0...length-1],str[1...length-1],..str[length-1...length-1]，            对字符串数组进行排序，使得后缀相近的子串集中在一起，对排序后的子串扫描比较相邻远古三，找出最长重复的字符串。时间复杂度为O(NLogN * N)，最后面的n是字符串比较的时间复杂度2//字符串比较,这里发现传入的是字符串的首字符地址后，发现没有排序成功int myStrcmp(const void* p1 , const void* p2){char* ptr1 = * ( (char**)p1 );//由于是传入的字符地址： char* 是字符的地址 , char* *:是指向字符地址的地址，即字符串的地址，前面为什么又加 *char* ptr2 = * ( (char**)p2 );return strcmp(ptr1 , ptr2);}3 qsort(suffixArr , length , sizeof(char*) , myStrcmp);//第三个是待排序数组中每个元素大小，由于每个元素是char* ,所以是sizeof(char*)*/const int MAXSIZE = 1024;int commonLength(char* str1 , char* str2){if(NULL == str1 || NULL == str2){return 0;}int length = 0;while( *(str1++) == *(str2++) ){length++;};return length;}string findMaxRepeatedSubString(char* str){if(NULL == str){return "";}int size = strlen(str);int max = INT_MIN;int maxIndex = 0;for(int i = 0 ; i < size ; i++){for(int j = i + 1 ; j < size ; j++){int length = commonLength(&str[i] , &str[j]);if(length > max){max = length;//需要记录后面开始的字符串的起始位置maxIndex = j;}}}stringstream stream;//获取最大重复子串for(int i = maxIndex ; i < maxIndex + max ; i++){stream << str[i];}return stream.str();}//字符串比较,这里发现传入的是字符串的首字符地址后，发现没有排序成功int myStrcmp(const void* p1 , const void* p2){/*char* ptr1 = (char*)p1;char* ptr2 = (char*)p2;*/char* ptr1 = * ( (char**)p1 );//由于是传入的字符地址： char* 是字符的地址 , char* *:是指向字符地址的地址，即字符串的地址，前面为什么又加 *char* ptr2 = * ( (char**)p2 );return strcmp(ptr1 , ptr2);}//采用后缀数组，查找最长重复子串，string findMaxRepeatedSubString_suffixArray(char* str){if(NULL == str){return 0;}int length = strlen(str);if(length > MAXSIZE){cout << "string length is " << length << ",it must less than " << MAXSIZE;return 0;}char* suffixArr[MAXSIZE];//后缀数组，每个元素是一个指向后缀数组的指针for(int i = 0 ; i < length; i++){suffixArr[i] = &str[i];}//对后缀数组排序qsort(suffixArr , length , sizeof(char*) , myStrcmp);//第三个是待排序数组中每个元素大小，由于每个元素是char* ,所以是sizeof(char*)//接下来比较后缀数组相邻元素，查找最大长度int max = INT_MIN;char* maxPtr;for(int i = 1 ; i < length; i++){int length = commonLength(suffixArr[i-1] , suffixArr[i]);if(length > max){max = length;maxPtr = suffixArr[i-1];//由于后缀数组从小到大排的，前面的才是最大重复子串}}stringstream stream;//获取最大重复子串for(char* s = maxPtr ; s < maxPtr + max ; s++){stream << (*s);}return stream.str();}void process(){char str[MAXSIZE];while(scanf("%s" , str)){//string result = findMaxRepeatedSubString(str);string result = findMaxRepeatedSubString_suffixArray(str);cout << result << endl;}}int main(int argc , char* argv[]){process();getchar();return 0;}