C++ 查找给定字符串中的所有重复子字符串

我最近遇到了一个面试问题： 查找给定字符串中最小大小为2的所有重复子字符串。 算法应该是有效的

#include <iostream>
#include <algorithm>
#include <iterator>
#include <set>
#include <string>

using namespace std;

int main()
{
    typedef string::const_iterator iterator;
    string s("ABCFABHYIFAB");
    set<string> found;

    if (2 < s.size())
        for (iterator i = s.begin() + 1, j = s.end(); i != j; ++i)
            for (iterator x = s.begin(); x != i; ++x)
            {
                iterator tmp = mismatch(i, j, x).second;;
                if (tmp - x > 1)
                    found.insert(string(x, tmp));
            }

            copy(found.begin(), found.end(),ostream_iterator<string>(cout, "\n"));
}

下面给出了上述问题的代码，但它不是有效的

#include <iostream>
#include <algorithm>
#include <iterator>
#include <set>
#include <string>

using namespace std;

int main()
{
    typedef string::const_iterator iterator;
    string s("ABCFABHYIFAB");
    set<string> found;

    if (2 < s.size())
        for (iterator i = s.begin() + 1, j = s.end(); i != j; ++i)
            for (iterator x = s.begin(); x != i; ++x)
            {
                iterator tmp = mismatch(i, j, x).second;;
                if (tmp - x > 1)
                    found.insert(string(x, tmp));
            }

            copy(found.begin(), found.end(),ostream_iterator<string>(cout, "\n"));
}

#包括
#包括
#包括
#包括
#包括
使用名称空间std；
int main（）
{
typedef字符串：：常量迭代器迭代器；
字符串s（“ABCFABHYIFAB”）；
集发现；
如果（21）
插入（字符串（x，tmp））；
}
复制（found.begin（），found.end（），ostream_迭代器（cout，“\n”）；
}

我的问题是，是否有任何数据结构可以及时实现上述问题 O（N）的复杂性

---

如果您的答案是后缀树或散列，请详细说明。

这只是一个疯狂的想法，但值得一试（不过，它会消耗O（N）内存，其中N是主字符串的长度）。该算法不是O（N），但可能是可以优化的

这个想法是，您不想经常进行字符串比较。您可以收集读取数据的散列（例如，读取字符的ASCII代码的总和）并比较散列。如果散列相等，则字符串可能相等（稍后必须进行检查）。例如：

ABCAB

A -> (65)
B -> (131, 66)
C -> (198, 133, 67)
A -> (263, 198, 132, 65)
B -> (329, 264, 198, 131, 66)

因为您只对2+长度值感兴趣，所以必须忽略最后一个值（因为它始终对应于单个字符）

我们看到两个相等的值：131和198。131代表AB并显示该对，而198代表ABC和BCA，必须通过手动检查予以拒绝

这只是想法，而不是解决方案本身。可以扩展散列函数以说明字符在子字符串（或序列结构）中的位置。可以更改散列值的存储方法以提高性能（但会增加内存使用的成本）

---

希望我能帮上一点忙：）

如果分析字符串“aaaaaaaaaaaaaaaa”的输出，那么其中有O（n²）个字符，因此算法至少是O（n²）

要实现O（n²），只需为s的每个后缀（索引[1..n]、[2..n]、[3..n]、…、[n..n]）构建。不管其中一个字符串是否没有自己的结束节点，只要计算每个节点的使用频率即可

---

最后，用count>1迭代每个节点并打印其路径。

我不知道后缀树如何获得所有重复的子字符串，字符串“mississippi”构建后缀树，如下所示：

对不起，我明白了。最后，在count>1的情况下迭代每个节点并打印其路径。“count”是这个子节点的数量

tree-->|---mississippi               m..mississippi
       |
       |---i-->|---ssi-->|---ssippi   i .. ississippi
       |       |         |
       |       |         |---ppi      issip,issipp,issippi
       |       |
       |       |---ppi                ip, ipp, ippi
       |
       |---s-->|---si-->|---ssippi    s .. ssissippi
       |       |        |
       |       |        |---ppi       ssip, ssipp, ssippi
       |       |
       |       |---i-->|---ssippi     si .. sissippi
       |               |
       |               |---ppi        sip, sipp, sippi
       |
       |---p-->|---pi                 p, pp, ppi
               |
               |---i                  p, pi

--- Suffix Tree for "mississippi" ---

---

如果我理解正确，你认为两个（相等大小）子串在输出中不同，如果它们的起始索引不同，而不是它们的内容不同，对后缀树进行读取，在我看来，Wiki是一个很好的开始：@重复子字符串是CS中非常常见的问题。你能把这个作为解决方案吗？这将是非常有帮助的网站访问者。干杯@正如我看到的，接受的答案在我的评论后包含相同的内容，所以我不想重复它作为答案。也许应该在接受的答案中添加一些链接。你是如何建立这棵树的？