较长字符串中最长重复字符串的长度答案

【问题标题】：Length of longest repeating string within a longer string较长字符串中最长重复字符串的长度
【发布时间】：2015-06-03 10:55:18
【问题描述】：

我正在处理一系列不同长度的长字符串（例如，'ABAABBFGGBHHSFAFDAFDAFDBB'）。对于每个字符串，我想找出特定子字符串最长连续出现的长度（例如'AFD'，上例中的答案是3）。用 MATLAB 实现这一点的任何优雅方法？

【问题讨论】：

标签： string matlab substring

【解决方案1】：

让输入和搜索字符串为 -

in_str = 'ABAAAFDAFDBBFGGBHHSFAFDAFDAFDBB'
search_str = 'AFD'

我们可以使用strfind 来获取输入字符串中搜索字符串的起始索引，并从中检测连续的搜索字符串组 -

idx = strfind(in_str,search_str)
grp_matches = diff(idx)==numel(search_str)

所以，现在我们有了 0 和 1 的“岛”，其中 1 的岛表示存在连续的分组搜索字符串。接下来，我们需要找到岛屿的长度，最大的岛屿长度将是所需的输出 -

df1 = diff([0 grp_matches 0]) %// Perform differentiation of matches

微分结果中以“-1”表示岛屿的结束，“1”表示这些岛屿的开始。因此，(find(df1==-1) - find(df1==1))+1 将是岛屿长度。最终输出将是它的max -

out = max(find(df1==-1) - find(df1==1))+1

总结讨论，整个代码可以做成这样的compact版本-

df1 = diff([0 diff(strfind(in_str,search_str))==numel(search_str) 0])
out = max(find(df1==-1) - find(df1==1))+1

【讨论】：

它适用于所有情况吗？例如：-'ABAAAFDAFDBBFGGBHHSFAFDAFDAFDBB'
哈哈！我也尝试过与之前的编辑非常相似的类似方法，但无法概括它。你做得很好:) +1

【解决方案2】：

使用正则表达式：

str = 'AFDABAABBFGGBHHSFAFDAFDAFDBB'; %// note: two occurrences of repeated 'AFD'
substr = 'AFD';                       %// sought substring 
r = regexp(str, ['(' substr ')+'], 'match');
lengths = cellfun(@numel, r)/numel(substr);
result = max(lengths);

您可以使用'length' 而不是@numel 来提高速度，如suggested by Divakar：

lengths = cellfun('length', r)/numel(substr);

在这个例子中，

lengths =
     1     3
result =
     3

【讨论】：

对于一些性能提升：考虑使用cellfun('length'..)，跟随Undocumented blog post？另外，列出了here。

【解决方案3】：

如果您还不知道要查找的字符串内容是什么：

比较字符串的前半部分和后半部分 (length: N/2)，如果相等，则完成。找到最长的字符串。
否则：对子样本进行按位自相关。步骤：
通过执行按位自相关比较总长度为M < N/2 的字符串的窗口版本（子字符串），并对每帧的结果运行AND。如果选定的子窗口在其中，AND 将针对它所在的字符串部分生成1，并且您已完成，您找到了最长的重复出现的子字符串。
如果 #3 没有返回肯定的结果（没有发生），减少长度M子字符串的 1：M = M - 1 并重复 #3 而没有发现和 M > 0。
如果绝对没有任何子字符串再次出现，您将知道一次M = 0。

【讨论】：