查找给定两个字符串的所有常见子字符串

2022-09-01 14:36:58

我遇到了一个问题语句,用于查找给定两个子字符串之间的所有常见子字符串,这样在每种情况下,您都必须打印最长的子字符串。问题陈述如下:

编写一个程序来查找两个给定字符串之间的公共子字符串。但是,不要包括包含在较长的公共子字符串中的子字符串。

例如,给定输入字符串 和 ,结果应为:eatsleepnightxyzeatsleepabcxyz

  • eatsleep(由于eatsleepnightxyz eatsleepabcxyz)
  • xyz(由于eatsleepnightxyz eatsleepabcxyz)
  • a(由于eatsleepnightxyz eatsleepabcxyz)
  • t(由于eatsleepnightxyz eatsleepabcxyz)

但是,结果集不应包含 from ,因为上述两个 s 都已包含在中。也不应包含 、 、 等,因为这些也都包含在 .eeatsleepnightxyzeatsleepabcxyzeeatsleepeaeatatseatsleep

在这里,您不必使用String实用程序方法,例如:contains,indexOf,StringTokenizer,split and replace。

我的算法如下:我从蛮力开始,当我提高我的基本理解时,我会切换到更优化的解决方案。

 For String S1:
     Find all the substrings of S1 of all the lengths
     While doing so: Check if it is also a substring of 
     S2.

试图弄清楚我的方法的时间复杂性。

让两个给定的字符串是 n1-字符串和 n2-字符串

  1. S1 的子字符串数显然是 n1(n1+1)/2。
  2. 但是我们必须找到平均长度是 S1 的子字符串。
  3. 假设它是m。我们将单独找到 m。
  4. 检查 m 字符串是否为 n 字符串的子字符串的时间复杂度为 O(n*m)。
  5. 现在,我们正在检查每个m-String是否是S2的子字符串,它是n2-String。
  6. 正如我们上面所看到的,这是一个O(n2 m)算法。
  7. 然后,整个算法所需的时间为
  8. Tn=(S1 中的子字符串数) * (字符比较过程的平均子字符串长度)
  9. 通过执行某些计算,我得出的结论是时间复杂度为O(n3 m2)
  10. 现在,我们的工作是用n1来查找m。

尝试根据 n1 查找 m。

Tn = (n)(1) + (n-1)(2) + (n-2)(3) + ..... + (2)(n-1) + (1)(n),
其中 Tn 是所有子字符串的长度之和。

平均值是将此总和除以生成的子字符串总数。

这仅仅是一个求和除法问题,其解如下 O(n)

因此。。。

我的算法的运行时间为 O(n^5)。

考虑到这一点,我编写了以下代码:

 package pack.common.substrings;

 import java.util.ArrayList;
 import java.util.LinkedHashSet;
 import java.util.List;
 import java.util.Set;

 public class FindCommon2 {
    public static final Set<String> commonSubstrings = new      LinkedHashSet<String>();

 public static void main(String[] args) {
    printCommonSubstrings("neerajisgreat", "neerajisnotgreat");
    System.out.println(commonSubstrings);
}

 public static void printCommonSubstrings(String s1, String s2) {
    for (int i = 0; i < s1.length();) {
        List<String> list = new ArrayList<String>();
        for (int j = i; j < s1.length(); j++) {
            String subStr = s1.substring(i, j + 1);
            if (isSubstring(subStr, s2)) {
                list.add(subStr);
            }
        }
        if (!list.isEmpty()) {
            String s = list.get(list.size() - 1);
            commonSubstrings.add(s);
            i += s.length();
        }
    }
 }

 public static boolean isSubstring(String s1, String s2) {
    boolean isSubstring = true;
    int strLen = s2.length();
    int strToCheckLen = s1.length();
    if (strToCheckLen > strLen) {
        isSubstring = false;
    } else {
        for (int i = 0; i <= (strLen - strToCheckLen); i++) {
            int index = i;
            int startingIndex = i;
            for (int j = 0; j < strToCheckLen; j++) {
                if (!(s1.charAt(j) == s2.charAt(index))) {
                    break;
                } else {
                    index++;
                }
            }
            if ((index - startingIndex) < strToCheckLen) {
                isSubstring = false;
            } else {
                isSubstring = true;
                break;
            }
        }
    }
    return isSubstring;
 }
}

我的代码说明:

 printCommonSubstrings: Finds all the substrings of S1 and 
                        checks if it is also a substring of 
                        S2.
 isSubstring : As the name suggests, it checks if the given string 
               is a substring of the other string.

问题:给定输入

  S1 = “neerajisgreat”;
  S2 = “neerajisnotgreat”
  S3 = “rajeatneerajisnotgreat”

在 S1 和 S2 的情况下,输出应该是:,但在 S1 和 S3 的情况下,输出应该是:、 、 、 ,但我仍然得到并作为输出。我需要弄清楚这一点。neerajisgreatneerajisrajgreateatneerajisgreat

我应该如何设计我的代码?


答案 1

您最好使用适当的算法来完成任务,而不是暴力破解方法。维基百科描述了最长的常见子字符串问题的两种常见解决方案:

动态规划解决方案需要 O(n m) 时间和 O(n m) 空间。这几乎是维基百科伪代码的简单Java翻译,用于最长的公共子字符串:

public static Set<String> longestCommonSubstrings(String s, String t) {
    int[][] table = new int[s.length()][t.length()];
    int longest = 0;
    Set<String> result = new HashSet<>();

    for (int i = 0; i < s.length(); i++) {
        for (int j = 0; j < t.length(); j++) {
            if (s.charAt(i) != t.charAt(j)) {
                continue;
            }

            table[i][j] = (i == 0 || j == 0) ? 1
                                             : 1 + table[i - 1][j - 1];
            if (table[i][j] > longest) {
                longest = table[i][j];
                result.clear();
            }
            if (table[i][j] == longest) {
                result.add(s.substring(i - longest + 1, i + 1));
            }
        }
    }
    return result;
}

现在,您需要所有常见的子字符串,而不仅仅是最长的子字符串。您可以增强此算法以包含更短的结果。让我们检查一下表中的示例输入和:eatsleepnightxyzeatsleepabcxyz

  e a t s l e e p a b c x y z
e 1 0 0 0 0 1 1 0 0 0 0 0 0 0
a 0 2 0 0 0 0 0 0 1 0 0 0 0 0
t 0 0 3 0 0 0 0 0 0 0 0 0 0 0
s 0 0 0 4 0 0 0 0 0 0 0 0 0 0
l 0 0 0 0 5 0 0 0 0 0 0 0 0 0
e 1 0 0 0 0 6 1 0 0 0 0 0 0 0
e 1 0 0 0 0 1 7 0 0 0 0 0 0 0
p 0 0 0 0 0 0 0 8 0 0 0 0 0 0
n 0 0 0 0 0 0 0 0 0 0 0 0 0 0
i 0 0 0 0 0 0 0 0 0 0 0 0 0 0
g 0 0 0 0 0 0 0 0 0 0 0 0 0 0
h 0 0 0 0 0 0 0 0 0 0 0 0 0 0
t 0 0 1 0 0 0 0 0 0 0 0 0 0 0
x 0 0 0 0 0 0 0 0 0 0 0 1 0 0
y 0 0 0 0 0 0 0 0 0 0 0 0 2 0
z 0 0 0 0 0 0 0 0 0 0 0 0 0 3
  • 结果很明显:这是左上角的对角线条纹。eatsleep12345678
  • 结果是右下角的对角线。xyz123
  • 结果由顶部附近(第二行,第九列)指示。a1
  • 结果由左下角附近的指示。t1

左边,顶部和旁边的其他s呢?这些不算数,因为它们出现在由对角线形成的矩形内 - 换句话说,它们已经被 覆盖了。16712345678eatsleep

我建议做一个传递,除了构建桌子之外什么都不做。然后,进行第二次传递,从右下角向后迭代,以收集结果集。


答案 2

通常,这种类型的子字符串匹配是在称为Trie(发音为try)的单独数据结构的帮助下完成的。最适合此问题的特定变体是后缀树。您的第一步应该是获取您的输入并构建后缀树。然后,您需要使用后缀树来确定最长的公共子字符串,这是一个很好的练习。