检查字符串是否在长度为 100,000 的更大字符串中可用 [重复]答案

【问题标题】：Check if a string is available in a bigger string of length 100,000 [duplicate]检查字符串是否在长度为 100,000 的更大字符串中可用 [重复]
【发布时间】：2012-09-14 05:00:09
【问题描述】：

可能重复：
What is the fastest substring search algorithm?

如何在 C++ 或 Java 中检查一个字符串是否存在于长度为 100,000 个字符的较大字符串中？

我知道一个方法str.find("sub_string");，但它不能处理这么大的字符串。最长执行时间为 1 秒。

我需要查找的子字符串也可以是 50,000！

【问题讨论】：

你想要哪个？ C ++或Java或两者兼而有之？每个人的答案都不一样。
您不可能期望任何算法在一秒钟内执行此操作。执行时间必须在 O(n) 到 O(n^2) 之间，或者更糟。
为什么这是一个 SO 问题？只需使用您喜欢的string search algorithm 编写满足您需要的代码。正如所问的，这太模糊了，无法回答，因为它没有给我们提供足够的信息来选择合适的算法。（从搜索到搜索，子串有变化吗？字符串是不是均匀分布的字符？子串是否包含稀有的内部子串？等等。）
c++ 或 java...它们中的任何一个都可以工作...
@Drise 绝对是O(n)。但是无论如何，100,000 应该可以在 1 秒内完成。

标签： java c++ string

【解决方案1】：

在 C 或 C++ 中，您只需使用 malloc 即可获得 100,000 字节的块。用你的数据填充它。大海捞针，可以使用以下代码：

void *mem_mem(void *haystack, int haystack_len, void *needle, int needle_len)
{
  const char *begin;
  const char *const last_possible
    = (const char *) haystack + haystack_len - needle_len;

  if (needle_len == 0)
    return (void *) &((const char *) haystack)[needle_len - 1];

  for (begin = (const char *) haystack; begin <= last_possible; ++begin)
    if (begin[0] == ((const char *) needle)[0] &&
    !memcmp ((const void *) &begin[1],
         (const void *) ((const char *) needle + 1),
         needle_len - 1))
      return (void *) begin;

  return NULL;
}

在任何相当现代的平台上，这将在几分之一秒内找到 100,000 个字节中的任何子字符串。您可以修改它以使用char * 类型。如果您在同一个 haystack 中进行多次搜索，请尝试仅计算一次 haystack 长度。不需要时不要拨打strlen。

如果您的干草堆包含许多重复的第一个字符或针的第一个字符，这将是非常不理想的。例如，在“aaaaaaaaaaaaaaaaaaaaaaaaaaaaqaaaa..”中搜索“ab”（或者更糟的是，在“abababababababab...abc...”中搜索“abc”）会很慢。但是您没有提供足够的详细信息让我们确定最佳实施方式。

问题的重点完全有可能是编写具有最佳最坏情况性能的算法。如果是这样，这可能不是“正确”的答案。可以想象一个由所有 a 后面跟着一个 b 结尾的干草堆，以及一个由所有 a 后面跟着一个结尾的单个 b 组成的针。在那种情况下，这个算法可能需要很长时间。

【讨论】：

对于一个可怕的问题，我认为这是最合理的答案，尤其是重复字符位。
我怀疑是在线法官，所以测试用例可能会包含类似needle = a^9999b, haystack=a^100000 的内容，这在使用朴素算法的时间限制内是不可行的。
@DanielFischer 好点。问题的重点完全有可能是编写具有最佳最坏情况性能的算法。如果是这样，这可能不是“正确”的答案。
您应该将your comment 合并到答案中以涵盖该案例：D
@DanielFischer：你是对的。完成。

【解决方案2】：

这在我适中的第一代英特尔 iMac 上几乎立即完成（4 毫秒）。我将搜索字符串放在两个 100,000 个字符的块之间，以防 java 向后搜索。

StringBuilder builder = new StringBuilder();
for (int i = 0; i < 100000; i++) {
    builder.append((char) i);
}
builder.append("sub_string");
for (int i = 0; i < 100000; i++) {
    builder.append((char) i);
}
String maxString = builder.toString();
long t1 = System.currentTimeMillis();
System.out.println(maxString.contains("sub_string"));
long t2 = System.currentTimeMillis();
System.out.println(t2 - t1);

输出

true
4

【讨论】：

【解决方案3】：

假设java：

String.contains("stringtofind");

是一种查找字符串是否存在于另一个字符串中的方法，javadoc。

【讨论】：

@r20rock：我没有用大字符串测试它。但是，javadoc 没有指定任何限制，所以它应该可以工作。
添加更多？不能帮助您更快或更好地获得答案。只是让我想狠狠地捉弄你。
请记住..string.contains() 是区分大小写的检查

【解决方案4】：

在java中查找String内容的三种方式。

String.contains("charSequence");
String.contentEquals("charSequence");
String.contentEquals("StringBuffer");

您可以通过 Java 规范获得最大长度为 Integer.MAX_VALUE（始终为 2147483647 (2^31 - 1)）的字符串。

【讨论】：