第十二章 字符串专题
12.1 字符串hash进阶
字符串hash是将一个字符串S映射为一个整数,使得该整数可以尽可能唯一地代替字符串S。
使用散列函数,H[i] = ( H[i-1] * 26 + index(str[i]) ) % mod
通过这种方式把字符串转换成范围上能接受的整数,在实践中发现,在int数据范围内,如果把进制数设为为一个10^7级别的素数p(如10000019),同时把mod设置为一个10^9级别的素数(如1000000007),那么冲突的概率回很小
H[i] = ( H[i-1] * p + index(str[i]) ) % mod
问题一:给出N个只有小写字母的字符串,求其中不同的字符串的个数。
#include <iostream>
#include <string>
#include <vector>
#include <algorithm>
using namespace std;
const int MOD = 1000000007;
const int P = 10000019;
vector<int> ans;
//字符串hash
long long hashFunc(string str){
long long H = 0; //使用long long 避免移除
for(int i=0;i<str.length();i++){
H = (H * P + str[i]-'a') % MOD;
}
return H;
}
int main() {
string str;
while(getline(cin,str),str!="#"){ //输入str直到#停止
long long id = hashFunc(str); //将字符串str转换为整数
ans.push_back(id);
}
sort(ans.begin(),ans.end()); //排序
int count=0;
for(int i=0;i<ans.size();i++){
if(i == 0 || ans[i] != ans[i-1]){
count++; //统计不同的数的个数
}
}
cout<<count<<endl;
return 0;
}
问题二:输入两个长度均不超过1000的字符串,求它们的最长公共子串的长度
可以先分别对两个字符串的每个字符串求出hash值(同时记录对应的长度),然后找出两堆子串对应的hash值中相等的那些,便可以找到最大长度,时间复杂度 O(n^2 + m^2 )
#include <iostream>
#include <cstdio>
#include <string>
#include <vector>
#include <map>
#include <algorithm>
using namespace std;
typedef long long LL;
const LL MOD = 100000007; //模数
const LL P = 10000019; //P为计算hash值时的进制数
const LL MAXN = 1010; //MAXN为字符串最长长度
//powP[i]存放p^i%MOD,H1和H2分别存放str1和str2的hash值
LL powP[MAXN],H1[MAXN]={0},H2[MAXN]={0};
//pr1存放str1的所有<子串hash值,子串长度>,pr2同理
vector<pair<int,int> >pr1,pr2;
//init函数初始化powP函数
void init(int len){
powP[0]=1;
for(int i=1;i<=len;i++){
powP[i] = (powP[i-1]*P) % MOD;
}
}
//calH函数计算字符串str的hash值
void calH(LL H[],string &str){
H[0] = str[0]; //H[0]单独处理
for(int i=1;i<str.length();i++){
H[i] = (H[i-1] * P + str[i]) % MOD;
}
}
//calSingleSubH 计算H[i...j]
int calSingleSubH(LL H[],int i,int j){
if(i==0) return H[j]; //H[0...j]单独处理
return ( (H[j]-H[i-1] * powP[j-i+1]) % MOD + MOD) % MOD;
}
//calSubH计算所有子串的hash值,并将<子串hash值,子串长度>存入pr
void calSubH(LL H[],int len,vector<pair<int,int> > &pr){
for(int i=0;i<len;i++){
for(int j=i;j<len;j++){
int hashValue = calSingleSubH(H,i,j);
pr.push_back(make_pair(hashValue,j-i+1));
}
}
}
//计算pr1和pr2中相同的hash值,维护最大长度
int getMax(){
int ans=0;
for(int i=0;i<pr1.size();i++){
for(int j=0;j<pr2.size();j++){
if(pr1[i].first == pr2[j].first){
ans = max(ans,pr1[i].second);
}
}
}
return ans;
}
int main() {
string str1,str2;
getline(cin,str1);
getline(cin,str2);
init( max(str1.length(),str2.length()) ); //初始化powP数组
calH(H1,str1);
calH(H2,str2);
calSubH(H1,str1.length(),pr1); //分别计算所有H1[i...j]和H2[i...j]
calSubH(H2,str2.length(),pr2);
printf("ans = %d\n",getMax()); //输出最大公共子串长度
return 0;
}
问题三:还是最长回文子串,这里将用字符串hash+二分解决,时间复杂度为O(nlogn)
#include <iostream>
#include <cstdio>
#include <string>
#include <vector>
#include <algorithm>
using namespace std;
typedef long long LL;
const LL MOD = 100000007; //模数
const LL P = 10000019; //P为计算hash值时的进制数
const LL MAXN = 200010; //MAXN为字符串最长长度
//powP[i]存放p^i%MOD,H1和H2分别存放str1和str2的hash值
LL powP[MAXN],H1[MAXN],H2[MAXN];
//init函数初始化powP函数
void init(){
powP[0]=1;
for(int i=1;i<MAXN;i++){
powP[i] = (powP[i-1]*P) % MOD;
}
}
//calH函数计算字符串str的hash值
void calH(LL H[],string &str){
H[0] = str[0]; //H[0]单独处理
for(int i=1;i<str.length();i++){
H[i] = (H[i-1] * P + str[i]) % MOD;
}
}
//calSingleSubH 计算H[i...j]
int calSingleSubH(LL H[],int i,int j){
if(i==0) return H[j]; //H[0...j]单独处理
return ( (H[j]-H[i-1] * powP[j-i+1]) % MOD + MOD) % MOD;
}
//对称点为i,字符串长len,在[1,r]里二分回文半径
//寻找最后一个满足条件“hashL == hashR” 的会问半径
//等价于寻找第一个满足条件“hashL != hashR”的回文半径,然后减一即可
//isEven当求奇回文时为0,当求偶回文为1
int binarySearch(int l,int r,int len,int i,int isEven){
while(l<r){
int mid = (l+r)/2;
//左半子串hash值H1[H1L...H1R],右半子串hash值H2[H2L...H2R]
int H1L = i-mid + isEven , H1R=i;
int H2L = len-1-(i+mid),H2R = len-1-(i+isEven);
int hashL = calSingleSubH(H1,H1L,H1R);
int hashR = calSingleSubH(H2,H2L,H2R);
if(hashL != hashR) r = mid; //hash值不等,说明回文半径小于mid
else l = mid + 1; //hash值相等,说明回文半径>mid
}
return l-1; //返回最大回文半径
}
int main() {
init();
string str;
getline(cin,str); //计算str的hash数组
reverse(str.begin(),str.end()); //将字符串反转
calH(H2,str); //计算rstr的hash数组
int ans=0;
//奇回文
for(int i=0;i<str.length();i++){
int maxLen = min(i,(int)str.length()-1-i)+1;
int k = binarySearch(0,maxLen,str.length(),i,0);
ans = max(ans,k*2+1);
}
//偶回文
for(int i=0;i<str.length();i++){
int maxLen = min(i+1,(int)str.length()-1-i)+1;
int k = binarySearch(0,maxLen,str.length(),i,1);
ans = max(ans,k*2);
}
printf("%d\n",ans);
return 0;
}