编程珠玑（2）第十五章学习笔记

`我们生活在一个字符串的世界里。位字符串构成了整数和浮点数，数字符串构成了电话号码，字母字符串构成了单词，长字符串可以形成网页，更长的字符串则形成书。在遗传学家的数据库和人的细胞里，存在着由字母A、C、G和T表示的极长的字符串。

 

我们的第一个问题是：为文档中包含的单词生成一个列表。我们的第一个C++程序用到了标准模板库中的sets和strings。主要思想就是用set的insert函数直接插入即可。而set只能保存单词，却无法统计每个单词出现的次数。为了统计每个单词出现的次数，我们可以使用map这一数据结构。当然，为了节省时间，我们也可以自己建立散列表。

 

第二个问题是：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。

有一个很简单的办法，暴力匹配所有字符串，但时间复杂度是O(n^2)，无法令人满意。

还有一个办法，利用“后缀数组”。“后缀数组”是一个字符指针数组。下面是具体实现代码：

#include<stdio.h>
#include<stdlib.h>
#include<string.h>

#define MAXN 500

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

int pstrcmp(const void *a, const void *b)  //字符串数组qsort的比较函数
{
	return strcmp(*(char**)a, *(char**)b);
}

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

int main()
{
	char ch;
	int i, n;
	int maxlen, temp, maxi;
	n = 0;

	while((ch=getchar())!='\n'){ //在字符串输入的过程中建立后缀数组
		a[n] = &c[n];
		c[n++] = ch;
	}
	c[n] = NULL;

	qsort(a, n, sizeof(char*), pstrcmp); //对后缀数组排序

	maxlen = 0;
	maxi = 0;
	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;
}

原理：

字符串的数据结构。

散列。这一结构的平均速度很快，且易于实现。

平衡树。这些结构在最坏的情况下也有较好的性能，C++标准模板库的set和map的大部分实现都采用平衡树。

后缀数组。初始化指向文本中每个字符（或每个单词）的指针数组，对其排序就得到一个后缀数组。然后可以遍历该数组以查找接近的字符串，也可以使用二分搜索查找单词或短语。

这是本书的最后一章，看完之后有一些启发，但总觉得自己还有很多问题没弄明白，需要再接再砺啊！