出现次数最多的子字符串？——其实没那么复杂

【有兴趣的网友可以参阅我的另一篇文章《 一次遍历找出“出现次数最多的子串” 》——对本文算法的改进。】

问题描述：

求一个字符串中出现次数最多的子串，子串的长度可以是 1 。

分析问题：

乍一看，好像无处下手。简单的穷举效率太低，随着输入的文本增长，时间复杂度和空间复杂度就会火箭般窜升至无法接受的地步。

我们需要寻找规律。

假设存在一个长度为 N 的子串 S 出现的次数最多。那么它具有哪些特点呢？

• S 的任一子串的出现次数不少于 S 的出现次数
• S 中不会出现重复的子串字符
• S 中不会出现重复的字符
• 组成 S 的每一个字符、每一个子串的出现次数都和 S 一样

“S 中不会出现重复的字符”，“组成 S 的每一个字符、每一个子串的出现次数都和 S 一样”！
有了这个结论，问题就简单了。

算法描述：

找到文本中的出现次数最高的单个字符组成的子串，放入一个队列中，
从队列的头部开始，对结果集中的每一个子串 S 进行处理

1. 找到文本中该子串出现的任意一个位置 P，
2. 判断文本中紧随 S 之后的字符 C 是否的出现次数是最多的，
3. 如果 C 的出现次数不是最多的，结束。
   
4. 如果 C 的出现次数是最多的，搜索文本中的每一个 S 并判断紧随其后的字符是否是 C，
5. 如果文本中的每一个 S 之后都存在字符 C ，将 S + C 生成的子串放入结果集中，
6. 如果文本中出现 S 之后的字符不是 C ，结束。

如此，直至到达队列尾。

代码：

#pragma  warning(disable : 4786)
#include  < iostream >
#include  < string >
#include  < deque >

#define  BUFFSIZE 1024

using  std::cout;
using  std::endl;
using  std:: string ;
using  std::deque;

typedef deque < string >  strlist;

const   string ::size_type npos  =   - 1 ;
const   string  ignoreChars( " /t/n/r " );

inline bool IgnoreChar(char c){
    return (ignoreChars.find(c) != npos);
}

/*
 * 统计字符出现次数
 */
unsigned CharSummary(const string& text, unsigned usecount[], int tbllen){
    unsigned count, i;

    memset(usecount, 0, tbllen * sizeof(unsigned));
    for(i = 0;i < text.length();usecount[unsigned(text[i++])]++);

    for(count = i = 0;i < 256;i++){
        if(IgnoreChar(i))continue;
        if(usecount[i] > count)count = usecount[i];
    }

    return count;
}

/*
 * 试着增长字符串
 */
char TryGrowthString(const string& text, const string& str, int maxcount, unsigned* usecount){
    int count;
    string::size_type pos;
    char c = 0;

    pos = text.find(str);
    if(pos == npos)
        return 0;

/*  不是出现次数最多的字符 */
    c = text[pos + str.length()];
    if(usecount[unsigned(c)] < maxcount)
        return 0;

/*  检查文本中的出现次数 */
    for(count = 0; pos + str.length() + 1 < text.length();pos += str.length(), count++){
        pos = text.find(str, pos);
        if(pos == npos) break;
        if(c != text[pos + str.length()]) return 0;
    }

    return count < maxcount ? 0 : c;
}

void PrintResult(const strlist& result){
    strlist::const_iterator citer;

    cout<<endl<<"The result substrings :"<<endl;
    cout<<"-------------------------------------"<<endl;
    for(citer = result.begin(); citer != result.end(); citer++){
        cout<<'"'<<*citer<<'"'<<endl;
    }
    cout<<"-------------------------------------"<<endl;
    cout<<"Total : "<<result.size()<<endl;
}

void main(void){
    unsigned usecount[256];
    char buffer[BUFFSIZE], c;
    unsigned count, i;
    string text;
    strlist result;

/*
 * 从 stdin 读入文本
 */
    while(!feof(stdin)){
        if(fgets(buffer,sizeof(buffer),stdin))
            text += buffer;
    }

/*
 * 统计字符出现次数
 */
    count = CharSummary(text, usecount, sizeof(usecount) / sizeof(*usecount));
    cout<<"Max count :"<<count<<endl;

    if(0 == count){
        cout<<"There is empty string!"<<endl
            <<"Bye!"<<endl;
    }

/*
 * 将出现次数最多的字符作为子串放入结果中
 */
    for(i = 0;i < sizeof(usecount) / sizeof(*usecount);i++){
        if(usecount[i] == count)
            result.push_back(string(1,char(i)));
    }

/*
 * 查找更多的子串
 */
    for(strlist::iterator iter = result.begin();iter != result.end();iter++){
        c = TryGrowthString(text, *iter, count, usecount);
        if(c)
            result.push_back(*iter + string(1, c));
    }

    PrintResult(result);
    cout<<"Bye!"<<endl;
}

 
测试输入：

abcdefg
bcdef
hijklmnopqrstabcdefg

输出：

Max count :3

The result substrings :
-------------------------------------
"
"
"b"
"c"
"d"
"e"
"f"
"bc"
"cd"
"de"
"ef"
"bcd"
"cde"
"def"
"bcde"
"cdef"
"bcdef"
-------------------------------------
Total : 16
Bye!

【更快速的算法请参阅：《 一次遍历找出“出现次数最多的子串” 》】