【编程珠玑】第十五章 字符串
一，概述
1）统计每个字符串出现的个数的程序实现，利用Map容器：
#include <iostream>
#include <map>
using namespace std;
int main()
{
map <string ,int> M;
map <string ,int>::iterator j;
string t[5]={"abc","dd","abc","dd","dd"};
for(int i=0;i<5;++i)
M[t[i]]++;
for(j=M.begin();j!=M.end();++j)
cout<<"<"<<j->first<<" ,"<<j->second<<">"<<endl;
return 0;
}
为了减少处理时间，可以建立散列表。其中内存分配函数malloc 被改为自定义更高效的 nmalloc和 smalloc
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
typedef struct node *nodeptr;
typedef struct node {
char *word; //单词
int count; //单词个数
nodeptr next;
} node;
#define NHASH 29989/*圣经中共29131个单词，用跟29131最接近的质数作为散列表大小*/
#define MULT 31 /*乘数*/
nodeptr bin[NHASH];//散列表
unsigned int hash(char *p)//哈希函数，将每个字符串映射成小于NHASH的正整数
{ unsigned int h = 0;
for ( ; *p; p++)
h = MULT * h + *p;
return h % NHASH;
}
#define NODEGROUP 1000
int nodesleft = 0;
nodeptr freenode;
nodeptr nmalloc()
{ if (nodesleft == 0) {
freenode = malloc(NODEGROUP*sizeof(node));
nodesleft = NODEGROUP;
}
nodesleft--;
return freenode++;
}
#define CHARGROUP 10000
int charsleft = 0;
char *freechar;
char *smalloc(int n)
{ if (charsleft < n) {
freechar = malloc(n+CHARGROUP);
charsleft = n+CHARGROUP;
}
charsleft -= n;
freechar += n;
return freechar - n;
}
void incword(char *s)//增加与单词相关联的计数器的值，如果之前没有这个词，对计数器初始化
{ nodeptr p;
int h = hash(s);//找到与单词对应的箱
for (p = bin[h]; p != NULL; p = p->next)
if (strcmp(s, p->word) == 0) {//该箱子中若有 该单词，则对应count++ ,否则新建单词指针 （采取头插法）
(p->count)++;
return;
}
p = nmalloc();//本来用malloc就可以，但优化成了nmalloc
p->count = 1;
p->word = smalloc(strlen(s)+1);//本来用malloc就可以，但优化成了smalloc
strcpy(p->word, s);
p->next = bin[h];
bin[h] = p;
}
int main()
{ int i;
nodeptr p;
char buf[100];
for (i = 0; i < NHASH; i++)//将每个箱初始化
bin[i] = NULL;
while (scanf("%s", buf) != EOF)
incword(buf);//增加与输入单词相关联的计数器的值
for (i = 0; i < NHASH; i++)//输出每一个不等于NULL的箱的字符串和个数
for (p = bin[i]; p != NULL; p = p->next)
printf("%s %d\n", p->word, p->count);
return 0;
}
特别注意：以上为C程序，不是C++2）利用Set容器，排序输出各个字符串（按字母表顺序）
#include <iostream>
#include <set>
#include <string>
using namespace std;
int main()
{
set<string> S;
set<string>::iterator j;
string t[5]={"abc","dd","abc","dd","dd"};
for(int i=0;i<5;++i)
S.insert(t[i]);
for (j = S.begin(); j != S.end(); ++j)
cout << *j << "\n";
return 0;
}
3）问题：给定一个文本文件（很长的字符串）作为输入，输出最长的重复子字符串。
例如：输入”My name is xiao tian,so you can call me xiao tian“
输出”xiaotian“为最长重复子字符串
实现：”后缀数组“的简单数据结构来处理这类问题。
char *a="banana"
a[0]=banana
a[1]=anana
a[2]=nana
a[3]=ana
a[4]=na
a[5]=a
方案一：双重for循环比较每个字符串，找到最长重复子字符串
方案二：对后缀数组排序，然后比较相邻字符串间相同的字符个数。最后得到文本文件最长的重复子字符串
程序一：
#include <stdlib.h>
#include <string.h>
#include <stdio.h>
int comlen(char *p, char *q)//返回两个参数共同部分的长度
{ int i = 0;
while (*p && (*p++ == *q++))
i++;
return i;
}
int main()
{
int i,j,maxi,maxj;
int maxlen=-1;
int thislen;
char *a="aabbbcccdddd";
for(i=0;i<12;++i)
{
for(j=i+1;j<12;++j)
{
if((thislen=comlen(a+i,a+j))>maxlen)
{
printf("thislen:%d\n",thislen);
maxlen=thislen;
maxi=i;
maxj=j;
}
}
}
for(i=maxi;i<=maxj;++i)
printf("%c",a[i]);
return 0;
}
程序二：
#include <stdlib.h>
#include <string.h>
#include <stdio.h>
int pstrcmp(char **p, char **q)
{ return strcmp(*p, *q); }//只能比较字符串,两个字符串自左向右逐个字符相比（按ASCII值大小相比较），直到出现不同的字符或遇'\0'为止。
int comlen(char *p, char *q)//返回两个参数共同部分的长度
{ int i = 0;
while (*p && (*p++ == *q++))
i++;
return i;
}
#define M 1
#define MAXN 5000000
char c[MAXN], *a[MAXN];
int main()
{ int i, ch, n = 0, maxi, maxlen = -1;
while ((ch = getchar()) != EOF) {
a[n] = &c[n];
c[n++] = ch;
}
c[n] = 0;
qsort(a, n, sizeof(char *), pstrcmp);//快速排序
for (i = 0; i < n-M; i++)
if (comlen(a[i], a[i+M]) > maxlen) {//比较相邻字符串相同个数
maxlen = comlen(a[i], a[i+M]);
maxi = i;
}
printf("%.*s\n", maxlen, a[maxi]);
return 0;
}4）生成随机文本
基于字母：下一个字符设置为 前一个字母的随机函数。或者是下一个字母是前n个字符的随机函数
基于单词：1>随机输出字典中单词
2>随机打开一页选一个字母，再随机打开另一页找到第一个字母后的单词为输出单词
二，习题
1）许多文档系统提供了去除所有格式命令，查看原始文本表示的方法。
2）将最常见的单词插入set容器中，然后校验每个单词是否在set容器中，有说明拼写正确，否则有可能错误
3）采取的策略是，一次申请多个内存空间。只有上一次用光时，再次申请。减少了申请内存次数
#define NODEGROUP 1000
int nodesleft = 0;
nodeptr freenode;
nodeptr nmalloc()
{ if (nodesleft == 0) {
freenode = malloc(NODEGROUP*sizeof(node));
nodesleft = NODEGROUP;
}
nodesleft--;
return freenode++;
}
#define CHARGROUP 10000
int charsleft = 0;
char *freechar;
char *smalloc(int n)
{ if (charsleft < n) {
freechar = malloc(n+CHARGROUP);
charsleft = n+CHARGROUP;
}
charsleft -= n;
freechar += n;
return freechar - n;
}5）如何将单词按频率递减顺序输出，并输出M个最常见单词（频率最高的M个单词）
将本博客最上面，采用Map容器实现
8）如何找出出现超过M次的最长字符串
将字符串后缀数组写出，并排序。每次比较M个相邻字符串，求其公共字符串。
9）给定两个输入文本，找出它们共有的最长字符串。
关键代码：if（s1[i+len] == s2[j])
//求两字符串的最长公共子串
#include<stdio.h>
#include<string.h>
char * maxsamesubstring(char *s1,char *s2)
{
int i,j,len,maxlen,index,maxindex;
maxlen=0; //初始化最长公共子串的长度
maxindex=0; //初始化最长公共子串的位置
len=0; //当前公共子串的长度
for(i=0;s1[i]!='\0';i++)
for(j=0;s2[j]!='\0';j++)
if(s1[i+len]==s2[j])
{
if(!len)//len=0 的时候执行（第一次执行）
{
index=j; //记下公共子串的起始位置
}
len++;
}
else if(len)
{
if(maxlen<len) //经过一次扫描找到了最长公共子串
{
maxlen=len;
maxindex=index;
}
len=0; //进行下一次的扫描
}
char *p=new char[maxlen+1];
strncpy(p,s2+maxindex,maxlen); //把最长公共字符串复制到p所指的空间
p[maxlen+1]='\0'; //置串结束标志
return p;
}
int main()
{
char *s1="president hujintao",*s2="times jin",*sub;
sub=maxsamesubstring(s1,s2);
printf("%s\n",sub);
return 0;
}利用本章的方法：给出两个字符串后缀，标记每个后缀属于第一个字符串还是第二个字符串。从相邻的N个字符串找公关字符串，保证这N个字符串两个都有。
