最长重复子串

首先这是一个单字符串问题。子字符串R 在字符串L 中至少出现两次，则称R 是L 的重复子串。重复子串又分为可重叠重复子串和不可重叠重复子串，这里只是简单讨论最长可重叠的重复子串，给出基本算法和基于后缀数组的算法；关于后缀数组，这里也只是用最简单的形式实现，对于后缀数组的倍增算法和DC3算法的实现以及不可重叠重复子串的问题可参见算法合集之《后缀数组——处理字符串的有力工具》，以后再整理这几个问题。

最直接的方法就是子串和子串间相互比较，这样查看所有的子串对，时间复杂度为O(n^2)，代码如下：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

/* 最长重复子串 Longest Repeat Substring */    int maxlen;    /* 记录最长重复子串长度 */ int maxindex;  /* 记录最长重复子串的起始位置 */ void outputLRS(char * arr);  /* 输出LRS */    /* 最长重复子串 基本算法 */ int comlen(char * p, char * q) {      int len = 0;      while(*p && *q && *p++ == *q++)      {          ++len;      }      return len; }    void LRS_base(char * arr, int size) {      for(int i = 0; i < size; ++i)      {          for(int j = i+1; j < size; ++j)          {              int len = comlen(&arr[i],&arr[j]);              if(len > maxlen)              {                  maxlen = len;                  maxindex = i;              }          }      }      outputLRS(arr); }

第二种方法便是采用《编程珠玑》上介绍的“后缀数组”，这个结构是一个字符指针数组，记录目标字符串的所有后缀的起始地址，例如banana这个单词的后缀数组为：

1 2 3 4 5 6 7 8 9 10 11 12

suff[0]：banana    suff[1]：anana    suff[2]：nana    suff[3]：ana    suff[4]： na    suff[5]： a

如果某个子串在目标字符串中出现两次，那么它必将出现在两个不同的后缀中，因此对后缀数组进行排序，以寻找相同的后缀，然后扫描数组，比较相邻的元素便可以找出最长的重复子串。代码如下：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

/* 最长重复子串 后缀数组 */ char * suff[30];    int pstrcmp(const void * p, const void * q) {      return strcmp(*(char**)p, *(char**)q); }    void LRS_suffix(char * arr, int size) {      int suff_index = maxlen = maxindex = 0;         for(int i = 0; i < size; ++i) /* 初始化后缀数组 */      {          suff[i] = & arr[i];      }      qsort(suff, size, sizeof(char *), pstrcmp); /* 排序后缀 */      for(int i = 0; i < size-1; ++i)  /* 寻找最长重复子串 */      {          int len = comlen(suff[i],suff[i+1]);          if(len > maxlen)          {              maxlen = len;              suff_index = i;          }      }      outputLRS(suff[suff_index]); }

最后给出输出程序和测试用例：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

/* 输出LRS   * 在后缀数组方法中，maxindex=0   * 因为传进来的就是后缀数组suff[]，从0打印maxlen个字符 */ void outputLRS(char * arr) {      if(maxlen == 0)      {          printf("NULL LRS\n");          return;      }      printf("The len of LRS is %d\n",maxlen);         int i = maxindex;      while(maxlen--)      {          printf("%c",arr[i++]);      }      printf("\n"); }    void main() {      char X[] = "banana";         /* 基本算法 */      LRS_base(X,strlen(X));         /* 后缀数组方法 */      LRS_suffix(X,strlen(X)); }

参考资料：

《编程珠玑》15.2

 

本文出自：http://www.ahathinking.com/archives/121.html