转载自:http://blog.csdn.net/ysu108/article/details/7795479
字符串“abababc”,最多连续出现的为ab,连续出现三次。要和求一个字符串中的最长重复子串区分开来,还是上面的字符串,那么最长的重复子串为abab。两个题目的解法有些类似,都用到了后缀数组这个数据结构。求一个字符串中连续出现的次数最多的子串,首先生成后缀数组例如上面的字符串为:
abababcbababc
ababc
babc
abc
bc
c
可以看出第一个后缀数组和第三个后缀数组的起始都为ab,第5个后缀数组也为ab。可以看出规律来,一个字符串s,如果第一次出现在后缀数组i的前面,那么如果它重复出现,下一次出现应该在第i+len(s)个后缀数组的前面。这个规律也不难看出。那么从头到尾按照这个规律搜索下不难得出结果。下面是代码:
- #include <iostream>
- using namespace std;
- int con_sub(char *str, char **ret);
- int main()
- {
- char str[] = "abcabcabcabcabcabbbb";
- char *ret = NULL;
- int time = con_sub(str, &ret);
- printf("%s occuers %d times\n", ret, time);
- return 0;
- }
- int con_sub(char *str, char **ret)
- {
- int max_time = 0;//连续出现的最多次数
- int ret_len = 0;//连续出现的字符串的长度
- char *addr = NULL;//连续出现字符串的起始地址
- int len = strlen(str);
- char **a = (char **)malloc(sizeof(char *)*len);
- //生成后缀数组
- for(int i=0; i<len; i++)
- a[i] = &str[i];
- //重复字符串的长度范围为1到(len+1)/2
- for(int i=1; i<=(len+1)/2; i++)
- {
- //当重复的字符串长度为i的时候,如果是连续出现的,那么第j和第j+i个后缀数组前面为重复的字符串
- for(int j=0; j+i<=len-1; j+=i)
- {
- int k = j;
- int temp_time = 1;
- while(k+i <= len-1 && strncmp(a[k], a[k+i], i) == 0)
- {
- temp_time++;
- k += i;
- }
- if(temp_time > max_time)
- {
- max_time = temp_time;
- ret_len = i;
- addr = a[k];
- }
- }
- }
- *ret = new char[len+1];
- strncpy(*ret, addr, ret_len);
- return max_time;
- }
转自:http://blog.csdn.net/hackbuteer1/article/details/7968623
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。
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)
demo如下:
其中: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;
- }
- 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;
- }
完整代码如下:
- #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;
- }
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"
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
用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。
第二种方法是通过kmp算法,next数组的方式:
- #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;
- }