MATLAB。查找字符串元胞数组的索引，其中字符全部包含在给定字符串中（不重复）答案

【问题标题】：Matlab. Find the indices of a cell array of strings with characters all contained in a given string (without repetition)MATLAB。查找字符串元胞数组的索引，其中字符全部包含在给定字符串中（不重复）
【发布时间】：2013-10-13 08:44:15
【问题描述】：

我有一个字符串和一个字符串元胞数组。

str = 'actaz';
dic = {'aaccttzz', 'ac', 'zt', 'ctu', 'bdu', 'zac', 'zaz', 'aac'};

我要获取：

idx = [2, 3, 6, 8];

我写了一段很长的代码：

查找长度不大于length(str)的元素；
删除str中不包含字符的元素；
最后，对于剩余的每个元素，逐一检查字符

本质上，这是一个几乎是蛮力的代码，运行速度非常慢。我想知道是否有一种简单的方法可以快速完成。

注意：我刚刚编辑了这个问题，以明确如果字符在 str 中出现 n 次，它们可以重复 n 次。感谢 Shai 指出。

【问题讨论】：

'aac' 是否适合您？ 'a' 在str 中出现两次？
可以只做第3步，将dic中出现的字符从str中一一删除。我认为还有一些方法可以使用intersect、setxor、ismember 等...
是的，'aac' 是有效的，因为 str 有两个 'a'。
我尝试过使用ismember和intersect，但是一直没有找到解决办法。无论如何，第 3 步是一段相当慢的代码，除非有办法对其进行矢量化。
@P0W: 'zac' 有效（第 6 个元素）； 'zaz' 无效（第 7 个元素）。

标签： string matlab find character cell-array

【解决方案1】：

您可以对字符串进行排序，然后使用正则表达式匹配它们。对于您的示例，模式将是 ^a{0,2}c{0,1}t{0,1}z{0,1}$:

u = unique(str);
t = ['^' sprintf('%c{0,%d}', [u; histc(str,u)]) '$']; 
s = cellfun(@sort, dic, 'uni', 0);
idx = find(~cellfun('isempty', regexp(s, t)));

【讨论】：

Mohsen，您的解决方案是我迄今为止尝试过的最好的解决方案：正确、优雅且速度惊人。起首！

【解决方案2】：

我想出了这个：

>> g=@(x,y) sum(x==y) <= sum(str==y); 
>> h=@(t)sum(arrayfun(@(x)g(t,x),t))==length(t);
>> f=cellfun(@(x)h(x),dic);
>> find(f)

ans =

     2     3     6

g & h：检查搜索字符串中每个字母的计数是否str中的计数。
f : 最后对dic 中的每个元素使用 g 和 h

【讨论】：

它很优雅并且可以正常工作。我只是想知道为什么它这么慢，只是比我的快一点。我的变量 dic 非常大，大约 60K 行 - 你认为我应该写一个 mex 文件吗？无论如何，P0W，你的代码回答了我的问题。非常感谢。