定义
子串即为一个字符的一个子集,例如字符串s="abc"
那么字符串s
的子串则包括a,b,c, ab, bc, abc
。注意到它们是连续的。公共子串则是两个或多个字符串中相同的子字符串。例如字符串s1="abcba", s2="bcbda"
,则有a,b,c, bc, bcb
均是s1,s1
的子串,则称它们为字符串s1,s2
的公共子串。最长公共子串则是所有公共子串中长度最长的子字符串。
公共子字符串与公共子序列十分类似,唯一不同的是公共子字符串必须是连续的,而公共子序列则不一定是连续的。
说明
假设有两个字符串分别为s1=”abcdef”,s2=”bcdefa”,要求出两个字符串的最长公共字串,通常可以采用暴力求解的方法来实现,这种方法思路比较简单,但是时间复杂度较高,此处不做过多说明。
更为一般的解决办法是通过空间换时间的方式,来降低运行时间。对于s1,s2,我们可以构建int arr[s1.length()][s2.length()];
的二维数组,如下所示:
| b c d e f a
-+------------
a| 0 0 0 0 0 1
b| 1 0 0 0 0 0
c| 0 2 0 0 0 0
d| 0 0 3 0 0 0
e| 0 0 0 4 0 0
f| 0 0 0 0 5 0
通过上面的二维数组,我们可以很容易的发现,字符串s1,s2最长公共字串长度为5,即bcdef。那么要如何计算该二维数组的值呢?为了计算矩阵的值,可以分为两类情况:
- 矩阵的第一行或第一列情况下的处理
- 矩阵其他行列的处理
首先看第二类情况,在这种情况下,可以很容易的得到,当s1[i] = s2[j]
时,有arr[i][j] = arr[i-1][j-1] + 1
。第一种情况由于i-1
或j-1
会产生越界现象,因此需要单独处理,此时,当s1[i] = s2[j]
时,有arr[i][j] = 1
。上述两种情况下,当s1[i] != s2[j]
,有arr[i][j] = 0
。
实现
给定两个字符串,求出两个字符串的最长公共字符串。
#include <iostream>
#include <string>
#include <vector>
typedef std::vector<int> array1d;
typedef std::vector<array1d> array2d;
static bool show_array2d = false;
void print_array2d(const array2d& array)
{
if (!show_array2d) {
return;
}
size_t rows = array.size();
size_t cols = array[0].size();
for (size_t i = 0; i < rows; ++i) {
for (size_t j = 0; j < cols; ++j) {
std::cout <<array[i][j] <<" ";
}
std::cout <<std::endl;
}
}
std::vector<std::string> get_lcsubstr(const std::string& s1, const std::string& s2)
{
size_t len1 = s1.length();
size_t len2 = s2.length();
size_t max_len = 0;
array2d tmp(len1, array1d(len2));
for (size_t i = 0; i < len1; ++i) {
for (size_t j = 0; j < len2; ++j) {
if (i == 0 || j == 0) {
if (s1[i] == s2[j]) {
tmp[i][j] = 1;
max_len = 1 > max_len ? 1 : max_len;
} else {
tmp[i][j] = 0;
}
} else {
if (s1[i] == s2[j]) {
tmp[i][j] = tmp[i-1][j-1] + 1;
max_len = tmp[i][j] > max_len ? tmp[i][j] : max_len;
} else {
tmp[i][j] = 0;
}
}
}
}
print_array2d(tmp);
std::vector<std::string> lcss;
for (int i = len1 - 1; i >= 0; --i) {
for (int j = len2 - 1; j >= 0; --j) {
if (tmp[i][j] == max_len) {
lcss.push_back(s1.substr(i-max_len+1, max_len));
j--;
}
}
}
return lcss;
}
int main(int argc, char **argv)
{
if (argc != 3 && argc != 4) {
std::cout <<"usage: substring [--show-array] s1 s2" <<std::endl;
return 1;
}
if (argc == 4 && std::string("--show-array") != argv[1]) {
std::cout <<"invalid option" <<std::endl;
return 1;
} else if (argc == 4) {
show_array2d = true;
}
std::string s1(argv[argc-1]);
std::string s2(argv[argc-2]);
std::vector<std::string> lcss = get_lcsubstr(s1, s2);
for (int i = 0; i < lcss.size(); ++i) {
std::cout <<lcss[i] <<std::endl;
}
return 0;
}