数据结构与算法总结——字符串算法

字符串排序

• 低位优先

  • 从最右面开始排序，适合所有字符串长度一样的情况

  • 临时数组count大小为全部键的数量加1

    • 比如ASCII码全部键的数量为128
    • 加1是因为使用字符串某一位字符累加count数组时，不是累加对应的位置，而是加一位
      • 原因是当第二遍累加后，count数组的含义为以该字符为键的字符串第一次出现在原数组中的位置，这原本应该是前面的字符串数量加上一，又因为位置从0开始计数，所以就是前面字符串的数量
      • 因为计算公式为count[r] += count[r - 1],所以位置r应该是键r-1字符串的数量

  • 这是一种线性时间算法

    • 由于全部键数R一般远小于待排序字符串数N，因此总时间可以大约正比于WN
      • W为字符串宽度

  • 相关C++知识点

    • 临时数组初始化预留空间时必须使用resize而不是reserve，否则只是预留了空间而未初始化元素，只能使用insert或者push_back添加数组，不可使用下标
    • vector<string> 类型变量不可使用列表初始化，因为string不是const char*，只能先列表初始化string数组然后用迭代器初始化

    //错误
    vector<string> v;
    v.reserve(7);
    v[1] = "Smith";
    
    //正确
    vector<string> v;
    v.resize(7);
    v[1] = "Smith";
    
    //错误
    vector<string> v = {"armli", "jones", "smith", "white", "brown", "jacks", "ponie"};
    
    //正确
    string s[] = {"armli", "jones", "smith", "white", "brown", "jacks", "ponie"};
    vector<string> v(s, s + 7);
    

• 高位优先

  • 这篇博客有十分详细的解释 https://blog.csdn.net/cook2eat/article/details/54353540
  • 稳定排序算法
  • 可用来排序 长度不一的字符串，且此时速度快于低位优先
  • 随机字符串为亚线性时间，最坏为线性时间
    • 当待排序的字符串们有较长的公共部分时，递归次数较多，同时要为count数组分配的额外空间也较多
    • 此时应该使用三相字符串快速排序
  • 递归编写
    • 低位优先无法用递归写，因为从右往左每一次迭代要排序的数据规模不变
    • 高位优先可以使用递归，因为高位的大小可以确定相对大小，所以每次迭代数据规模可以缩小
  • 由于字符串长度不一，要使用一个函数来替代下标操作符，使得大于该字符串长度的位返回-1，而不是报错
  • 同时临时数组要开RANGE + 2长度
  • 可以在子字符串小于一定长度时切换到插入排序

• 三相字符串快速排序

  • 当存在许多相等的键或者相等前缀的时候，使用该方法比高位优先要快
    • 隐含的适用场景为键的取值范围较小时（此时容易出现等键）
    • 例如网址排序
  • 同时该方法还有一个优势就是不需要额外空间
  • 缺点在于不是稳定排序

字典树

• 字典树共性
  • 每次查找命中所需要的时间与被查找的键长成正比
  • 查找未命中则只要检查几个字符
  • 用处
    • 搜索引擎的关键词自动补充
• R向字典树
  • R叉树
    • R为字符集合中的字符数，例如ASCII码的R = 128
    • R越大则消耗的空间越大
  • 适用于键较小且字符集较小的情况
  • 树的形状与茶树顺序无关
• 3向字典树
  • 3叉树
  • 与二叉搜索树一样，树的形状与插入字符串以及插入顺序有关
    • 适用于键的首字母分布均匀的情况
  • 使用的内存空间小于R向字典树，但是查找速度会慢一点

具体实现代码见：https://github.com/wuwentao1998/Data-Structures-and-Algorithms