如何区分 C++ 中的两个非常长的字符串？

Question

我想解决 Levenshtein_distance这个字符串长度过大的问题。

编辑2：
正如Bobah所说，标题是小姐领先，所以我更新了questoin的标题。
初始 title was 如何在 c++ 中声明 100000x100000 二维整数？
Content was
有任何方法可以在 c++ 中声明 int x[100000][100000]。
当我全局声明它时，编译器会生成 error: size of array ‘x’ is too large 。
一种方法是使用 map< pair< int , int > , int > mymap 。
但是分配和解除分配需要更多时间。
还有其他方法，例如 uisng vector<int> myvec ;

Answer 1

对于这么大的内存块，最好的方法是使用操作系统的工具进行动态分配，以便将虚拟内存添加到进程中。

但是，看看你要分配多大的块：

 40 000 000 000 bytes

我收回我之前的建议。对于这么大的块，最好的方法是分析问题并找出使用更少内存的方法。

Answer 2

可以一次对每一行进行填充编辑距离矩阵。记住前一行就足以计算当前行。这种观察将空间使用从二次方减少到线性。有意义吗？

Answer 3

您的问题很有趣，但标题具有误导性。

这就是您在数据模型方面所需要的（x - 第一个字符串，y - 第二个字符串，* - 距离矩阵）。

      y <-- first string (scrolls from top down)

      y
  x  x  x  x  x  x  x  x  <- second string (scrolls from left to right)
      y *  *  *

      y *  *  *

      y *  *  * <-- distance matrix (a donut) scrolls together with strings
                    and grows/shrinks when needed, as explained below
      y

有两个相对较长（但仍为

使矩阵成为donut - 二维环形缓冲区（可以使用来自 boost 的缓冲区，或者只是 std::deque）。

当当前被矩阵覆盖的字符串片段是 100% 匹配时，将两个缓冲区移动一个，围绕两个轴旋转圆环，重新计算距离矩阵中的一个新行/列。

当匹配小于 100% 并且小于配置的阈值时，然后在不删除任何行/列的情况下增加甜甜圈的两个维度的大小，并执行此操作直到任一匹配超过阈值或达到最大甜甜圈大小。当匹配率从下面达到阈值时，您需要滚动甜甜圈丢弃 x 和 y 缓冲区的头部并同时对齐它们（当距离矩阵告诉 X [i] 在 Y 中不存在时，只有 X 需要移动 1 , 但 X[i+1,i+m] 匹配 Y[j, j+m-1])。

因此，您将拥有一个简单但非常高效的启发式差异引擎，具有确定性有限的内存占用，并且所有内存都可以在启动时预先分配，因此在运行时没有动态分配会减慢它。

Apache v2 license，如果你决定去的话。