哪种数据结构和算法适合于此？

Question

我有一千串。 给定一个需要在所有字符串中搜索的模式，然后返回包含该模式的所有字符串。

目前，我正在使用vector来存储原始字符串。 搜索模式，如果匹配，则将其添加到新向量中，最后返回向量。

int main() {
    vector <string> v;
    v.push_back ("maggi");
    v.push_back ("Active Baby Pants Large 9-14 Kg ");
    v.push_back ("Premium Kachi Ghani Pure Mustard Oil ");
    v.push_back ("maggi soup");
    v.push_back ("maggi sauce");
    v.push_back ("Superlite Advanced Jar");
    v.push_back ("Superlite Advanced");
    v.push_back ("Goldlite Advanced"); 
    v.push_back ("Active Losorb Oil Jar"); 

    vector <string> result;

    string str = "Advanced";

    for (unsigned i=0; i<v.size(); ++i)
    {
        size_t found = v[i].find(str);
        if (found!=string::npos)
            result.push_back(v[i]);
    }

    for (unsigned j=0; j<result.size(); ++j)
    {
        cout << result[j] << endl;
    }
    // your code goes here
    return 0;

}

是否有任何最佳方法可以以更低的复杂度和更高的性能实现相同目标？

Answer 1

我认为适合您的应用程序的容器。

但是，如果您实现自己的KMP algorithm ，则可以代替std::string::find ，而是可以保证时间复杂度在字符串+搜索字符串的长度方面是线性的。
http://en.wikipedia.org/wiki/Knuth%E2%80%93Morris%E2%80%93Pratt_algorithm

因此， std::string::find的复杂性是不确定的。
http://www.cplusplus.com/reference/string/string/find/

编辑：如此链接所指出，如果您的字符串的长度不大（大于1000），则可能使用std::string::find就足够了，因为这里不需要制表等。
C ++ string ::发现复杂性

Answer 2

如果结果与输入字符串向量在同一代码块中使用（在您的示例中就是这样），或者即使您保证每个人都仅在输入存在时才使用结果，则实际上不需要复制字符串。 这可能是一个昂贵的操作，从而大大降低了整个算法的速度。

相反，您可以将指针向量作为结果：

vector <string*> result;

Answer 3

如果字符串列表在许多搜索中都是“固定的”，那么您可以使用倒排索引进行一些简单的预处理，从而大大加快处理速度。

构建字符串中存在的所有字符的映射，换句话说，为每个可能的字符存储一个包含该字符的所有字符串的列表：

std::map< char, std::vector<int> > index;
std::vector<std::string> strings;

void add_string(const std::string& s) {
    int new_pos = strings.size();
    strings.push_back(s);
    for (int i=0,n=s.size(); i<n; i++) {
        index[s[i]].push_back(new_pos);
    }
}

然后，当被要求搜索子字符串时，您首先要检查反向索引中的所有字符，然后仅在条目数最少的索引的列表上进行迭代：

std::vector<std::string *> matching(const std::string& text) {
    std::vector<int> *best_ix = NULL;
    for (int i=0,n=text.size(); i<n; i++) {
        std::vector<int> *ix = &index[text[i]];
        if (best_ix == NULL || best_ix->size() > ix->size()) {
            best_ix = ix;
        }
    }

    std::vector<std::string *> result;
    if (best_ix) {
        for (int i=0,n=best_ix->size(); i<n; i++) {
            std::string& cand = strings[(*best_ix)[i]];
            if (cand.find(text) != std::string::npos) {
                result.push_back(&cand);
            }
        }
    } else {
        // Empty text as input, just return the whole list
        for (int i=0,n=strings.size(); i<n; i++) {
            result.push_back(&strings[i]);
        }
    }
    return result;
}

可能有许多改进：

• 使用更大的索引（例如使用成对的连续字符）
• 避免考虑非常常见的字符（停止列表）
• 使用从三元组或更长序列计算出的哈希
• 搜索相交而不是搜索较短的列表。 给定元素的添加顺序，无论如何矢量都已经排序，甚至可以使用矢量有效地计算交集（请参阅std::set_intersection ）。

根据问题的参数（搜索多少个字符串，搜索多长时间，搜索多长时间……），它们是否都有意义。

Answer 4

如果源文本很大且是静态的（例如，已爬网的网页），则可以通过预先构建后缀树或trie数据结构来节省搜索时间。 然后，搜索模式可以遍历树以找到匹配项。

如果源文本很小并且经常更改，那么您的原始方法是合适的。 STL函数通常经过很好的优化，并经受了时间的考验。