求最长可重叠重复子串

问题描述
给定一个字符串,求出其可重叠最长重复子串
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:
1. int main(void)  
2. {  
3.    int i , j , thislen , maxlen = -1;  
4.    ......  
5.    ......  
6.    ......  
7.    for(i = 0 ; i < n ; ++i )  
8.    {  
9.        for(j = i+1 ; j < n ; ++j )  
10.        {  
11.            if((thislen = comlen(&c[i] , &c[j])) > maxlen)  
12.            {  
13.                maxlen = thislen;  
14.                maxi = i;  
15.                maxj = j;  
16.            }  
17.        }  
18.    }  
19.    ......  
20.    ......  
21.    ......  
22.    return 0;  
23. }  
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:
1. int comlen( char *p, char *q )  
2. {  
3.    int i = 0;  
4.    while( *p && (*p++ == *q++) )  
5.        ++i;  
6.    return i;  
7. }  
    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:
1. #define MAXCHAR 5000 //最长处理5000个字符  
2. 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:
1. n = 0;  
2. while( (ch=getchar())!='\n' )  
3. {  
4.     a[n] = &c[n];  
5.     c[n++] = ch;  
6. }  
7. 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:
1. for(i = 0 ; i < n-1 ; ++i )  
2. {  
3.        temp=comlen( a[i], a[i+1] );  
4.        if( temp>maxlen )  
5.    {  
6.              maxlen=temp;  
7.              maxi=i;  
8.        }  
9. }  

10. printf("%.*s\n",maxlen, a[maxi]);  

完整代码:

#include<stdio.h>
#include<stdlib.h>
#include<string.h>
#define N 5000
char c[N],*a[N];
int cmp(const void *a ,const void *b)
{
    return strcmp(*(char**)a,*(char**)b);
}
int comlen(char *p,char *q)
{
    int i=0;
    while(*p && ( *p++ == *q++ ))
        i++;
    return i;
}
int main()
{
    char ch;
    int n,i,temp,maxlen,maxi;
    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(a[0]),cmp);
    for(i=0;i<n;i++)
        printf("%s\n",a[i]);
    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("%d %s\n",maxlen,a[maxi]);
    return 0;
} 
kmp求法:

#include<stdio.h>
#include<string.h>
#define N 1000
int next[N];
char str[N];
void getnext(char *str)
{
    int i,j,n;
    n=strlen(str);
    i=0; j=-1; next[0]=-1;
    while(i<n)
    {
        if(j==-1||str[i]==str[j])
        {
            i++; j++;
            next[i]=j;
        }
        else j=next[j];
    }
}
int main()
{
    char *s;
    int i,j,maxlen;
    while(scanf("%s",str)!=EOF)
    {
        s=str;  maxlen=-1;
        for(i=0;*s!='\0';s++,i++)
        {
            getnext(s);
            for(j=0;j<=strlen(s);j++)
            {
                if(next[j]>maxlen)
                    maxlen=next[j];
            }
        }
        printf("%d\n",maxlen);
    }
    return 0;
}


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值