字符串

字符串

程序1：循环输入并将每个单词插入集合S(忽略重复单词)，然后排序输出。

int main(void) {
    set<string> s;
    set<string>::iterator j;
    string t;
    while(cin >> t)
        s.insert(t);
    for(j=s.begin(); j!=s.end(); ++j)
        cout<<*j<<endl;
    return 0;
}

程序2：单词计数

int main(void) {
    map<string, int> m;
    map<string, int>::iterator j;
    string t;
    while(cin >> t)
        m[t]++;
    for(j=m.begin(); j!=m.end(); ++j)
        cout<<j->first<<" "<<j->second<<endl;
    return 0;
}

程序3：建立自己的哈希表(散列表)，以下是一种实现：

class Hash {
public:
    Hash(): seed_(131), size_(0) {
        memset(head_, 0, sizeof(head_));
    }

    void Insert(const char* str) {
        unsigned int id = hash(str);
        char *dst = (char*)node_[size_].word;
        while(*dst++ = *str++);
        node_[size_].next = head_[id];
        head_[id] = &node_[size_];
        ++size_;
    }

    bool Find(const char* str) {
        unsigned int id = hash(str);
        for(Node* p=head_[id]; p; p=p->next) {
            char* dst = (char*)p->word;
            int i = 0;
            for(; *(str+i) && *(str+i)==*(dst+i); ++i);
            if(!*(str+i) && !*(dst+i)) return true;
        }
        return false;
    }

private:
    unsigned int hash(const char* str) {// BKDR Hash Function
        unsigned int hash = 0;
        while(*str) {
            hash = hash * seed_ + (*str++);
        }
        return (hash & 0x7FFFFFFF) % kHashSize;
    }

private:
    unsigned int seed_;
    unsigned int size_;
    static const int kWordSize = 26 + 1;
    static const int kNodeSize = 20000;
    static const int kHashSize = 10001;
    struct Node {
        char word[kWordSize];
        Node *next;
    };
    Node node_[kNodeSize];
    Node* head_[kHashSize];
};

后缀数组

假设我们有以下字符串及一个char*数组：

 char c[20] = "hawstein";
 char* pc[20];

我们让指针pc[i]指向字符串的第i个字符，即：

for(int i=0; i<8; ++i)
    pc[i] = &c[i];

这时候我们输出pc[i]，会得到字符串"hawstein"的所有后缀：

hawstein
awstein
wstein
stein
tein
ein
in
n

然后，我们对数组pc进行排序，将所有后缀按字典序排序：

sort(pc, pc+8, cmp);

其中，比较函数cmp如下：

inline bool cmp(char* p, char*q) {
    return strcmp(p, q) < 0;
}

这时，我们再输出pc[i]，会得到排序后的结果：

awstein
ein
hawstein
in
n
stein
tein
wstein

我们把数组pc称为“后缀数组”。这里需要注意，数组pc 中存储的是指向每个后缀首字符的地址。我们也可以存储每个后缀首字符在原数组中的下标， 效果是一样的。

本章中用后缀数组解决了一个小问题：可重叠最长重复子串。比如对于字符串"banana"， 其后缀数组为：

a
ana
anana
banana
na
nana

扫描一次数组，比较相邻子串，找到相邻子串的最长公共前缀即可。本例为"ana"， 其中一个a是重叠的。

后缀数组是处理字符串的有力工具，常见的两种实现方法是：倍增算法和DC3算法。 推荐阅读以下材料来学习后缀数组：

许智磊，《后缀数组》

罗穗骞，《后缀数组——处理字符串的有力工具》