后缀数组求最长重复子串

问题描述
给定一个字符串，求出其最长重复子串
例如：abcdabcd
最长重复子串是 abcd，最长重复子串可以重叠
例如：abcdabcda，这时最长重复子串是 abcda，中间的 a 是被重叠的。

直观的解法是，首先检测长度为 n - 1 的字符串情况，如果不存在重复则检测 n - 2, 一直递减下去，直到 1 。
这种方法的时间复杂度是 O(N * N * N)，其中包括三部分，长度纬度、根据长度检测的字符串数目、字符串检测。

改进的方法是利用后缀数组
后缀数组是一种数据结构，对一个字符串生成相应的后缀数组后，然后再排序，排完序依次检测相邻的两个字符串的开头公共部分。
这样的时间复杂度为：生成后缀数组 O(N)，排序 O(NlogN*N) 最后面的 N 是因为字符串比较也是 O(N)
依次检测相邻的两个字符串 O(N * N)，总的时间复杂度是 O(N^2*logN)，优于第一种方法的 O(N^3)


      对于类似从给定的文本中，查找其中最长的重复子字符串的问题，可以采用“后缀数组”来高效地完成此任务。后缀数组使用文本本身和n个附加指针（与文本数组相应的指针数组）来表示输入文本中的n个字符的每个子字符串。
    首先，如果输入字符串存储在c[0..n-1]中，那么就可以使用类似于下面的代码比较每对子字符串：

int main(void)
{
	int i , j , thislen , maxlen = -1;
	......
	......
	......
	for(i = 0 ; i < n ; ++i )
	{
		for(j = i+1 ; j < n ; ++j )
		{
			if((thislen = comlen(&c[i] , &c[j])) > maxlen)
			{
				maxlen = thislen;
				maxi = i;
				maxj = j;
			}
		}
	}
	......
	......
	......
	return 0;
}

当作为comlen函数参数的两个字符串长度相等时，该函数便返回这个长度值，从第一个字符开始：

int comlen( char *p, char *q )
{
    int i = 0;
    while( *p && (*p++ == *q++) )
        ++i;
    return i;
}

    由于该算法查看所有的字符串对，所以它的时间和n的平方成正比。下面便是使用“后缀数组”的解决办法。
    如果程序至多可以处理MAXN个字符，这些字符被存储在数组c中：

#define MAXCHAR 5000 //最长处理5000个字符

char c[MAXCHAR], *a[MAXCHAR];

在读取输入时，首先初始化a，这样，每个元素就都指向输入字符串中的相应字符：

n = 0;
while( (ch=getchar())!='\n' )
{
     a[n] = &c[n];
     c[n++] = ch;
}
c[n]='\0';     // 将数组c中的最后一个元素设为空字符，以终止所有字符串

这样，元素a[0]指向整个字符串，下一个元素指向以第二个字符开始的数组的后缀，等等。如若输入字符串为"banana",该数组将表示这些后缀：
a[0]:banana
a[1]:anana
a[2]:nana
a[3]:ana
a[4]:na
a[5]:a
由于数组a中的指针分别指向字符串中的每个后缀，所以将数组a命名为"后缀数组"

第二、对后缀数组进行快速排序，以将后缀相近的（变位词）子串集中在一起
qsort(a, n, sizeof(char*), pstrcmp)后
a[0]:a
a[1]:ana
a[2]:anana
a[3]:banana
a[4]:na
a[5]:nana
第三、使用以下comlen函数对数组进行扫描比较邻接元素，以找出最长重复的字符串：

for(i = 0 ; i < n-1 ; ++i )
{
        temp=comlen( a[i], a[i+1] );
        if( temp>maxlen )
	{
              maxlen=temp;
              maxi=i;
        }
}
printf("%.*s\n",maxlen, a[maxi]);

完整的实现代码如下：

#include <iostream>
using namespace std;

#define MAXCHAR 5000 //最长处理5000个字符

char c[MAXCHAR], *a[MAXCHAR];

int comlen( char *p, char *q )
{
    int i = 0;
    while( *p && (*p++ == *q++) )
        ++i;
    return i;
}

int pstrcmp( const void *p1, const void *p2 )
{
    return strcmp( *(char* const *)p1, *(char* const*)p2 );
}


int main(void)
{
    char ch;
    int  n=0;
    int  i, temp;
    int  maxlen=0, maxi=0;
    printf("Please input your string:\n");

	n = 0;
    while( (ch=getchar())!='\n' )
	{
        a[n] = &c[n];
        c[n++] = ch;
    }
    c[n]='\0';     // 将数组c中的最后一个元素设为空字符，以终止所有字符串

    qsort( a, n, sizeof(char*), pstrcmp );
    for(i = 0 ; i < n-1 ; ++i )
	{
        temp=comlen( a[i], a[i+1] );
        if( temp>maxlen )
		{
            maxlen=temp;
            maxi=i;
        }
    }
    printf("%.*s\n",maxlen, a[maxi]);
    
    return 0;
}

方法二：KMP
通过使用next数组的特性，同样可以求最长重复子串，不过时间复杂度有点高挖。。

#include<iostream>
using namespace std;

const int MAX = 100000;
int next[MAX];
char str[MAX];

void GetNext(char *t)
{
	int len = strlen(t);
	next[0] = -1;
	int i = 0 , j = -1;
	while(i < len)
	{
		if(j == -1 || t[i] == t[j])
		{
			i++;
			j++;
			if(t[i] != t[j])
				next[i] = j;
			else
				next[i] = next[j];
		}
		else
			j = next[j];
	}
}
int main(void)
{
	int i , j , index , len;
	cout<<"Please input your string:"<<endl;

	cin>>str;
	char *s = str;
	len = 0;
	for(i = 0 ; *s != '\0' ; s++ , ++i)
	{
		GetNext(s);
		for(j = 1 ; j <= strlen(s) ; ++j)
		{
			if(next[j] > len)
			{
				len = next[j];
				index = i + j;    //index是第一个最长重复串在str中的位置 
			}
		}
	}
	if(len > 0)
	{
		for(i = index - len ; i < index ; ++i)
			cout<<str[i];
		cout<<endl;
	}
	else
		cout<<"none"<<endl;

	return 0;
}

题目描述：求最长不重复子串，如abcdefgegcsgcasse，最长不重复子串为abcdefg，长度为7

#include <iostream>
#include <list>
using namespace std;

//思路：用一个数组保存字符出现的次数。用i和j进行遍历整个字符串。
//当某个字符没有出现过，次数+1；出现字符已经出现过，次数+1，找到这个字符前面出现的位置的下一个位置，设为i
//并将之前的那些字符次数都-1。继续遍历，直到'\0'
int find(char str[],char *output)
{
	int i = 0 , j = 0;
	int cnt[26] = {0};
	int res = 0 , temp = 0;
	char *out = output;
	int final;
	while(str[j] != '\0')
	{
		if(cnt[str[j]-'a'] == 0)
		{
			cnt[str[j]-'a']++;

		}
		else
		{
			cnt[str[j]-'a']++;
			while(str[i] != str[j])
			{	
				cnt[str[i]-'a']--;
				i++;
			}
			cnt[str[i]-'a']--;
			i++;
		}	

		j++;
		temp = j-i;
		if(temp > res)
		{
			res = temp;
			final = i;
		}
	}
	//结果保存在output里面
	for(i = 0 ; i < res ; ++i)
		*out++ = str[final++];
	*out = '\0';
	return res;
}
int main(void)
{
	char a[] = "abcdefg";
	char b[100];
	int max = find(a,b);
	cout<<b<<endl;
	cout<<max<<endl;
	return 0;
}